① 如何用python代码判断一段范围内股票最高点
Copyright © 1999-2020, CSDN.NET, All Rights Reserved
登录
python+聚宽 统计A股市场个股在某时间段的最高价、最低价及其时间 原创
2019-10-12 09:20:50
开拖拉机的大宝
码龄4年
关注
使用工具pycharm + 聚宽数据源，统计A股市场个股在某时间段的最高价、最低价及其时间，并打印excel表格输出
from jqdatasdk import *
import pandas as pd
import logging
import sys
logger = logging.getLogger("logger")
logger.setLevel(logging.INFO)
# 聚宽数据账户名和密码设置
auth('username','password')
#获取A股列表，包括代号，名称，上市退市时间等。
security = get_all_securities(types=[], date=None)
pd2 = get_all_securities(['stock'])
# 获取股票代号
stocks = list(get_all_securities(['stock']).index)
# 获取股票名称
stocknames = pd2['display_name']
start_date = '2015-01-01'
end_date = '2018-12-31'
def get_stocks_high_low(start_date,end_date):
# 新建表，表头列
# 为："idx","stockcode","stockname","maxvalue","maxtime","lowvalue","lowtime"
result = pd.DataFrame(columns=["idx", "stockcode", "stockname", "maxvalue", "maxtime", "lowvalue", "lowtime"])
for i in range(0,stocks.__len__()-1):
pd01 = get_price(stocks[i], start_date, end_date, frequency='daily',
fields=None, skip_paused=False,fq='pre', count=None)
result=result.append(pd.DataFrame({'idx':[i],'stockcode':[stocks[i]],'stockname':
[stocknames[i]],'maxvalue':[pd01['high'].max()],'maxtime':
[pd01['high'].idxmax()],'lowvalue': [pd01['low'].min()], 'lowtime':
[pd01['low'].idxmin()]}),ignore_index=True)
result.to_csv("stock_max_min.csv",encoding = 'utf-8', index = True)
logger.warning("执行完毕！
② python获取一只股票的行情，为什么出现这么多问题
首先，你要确定下你的库文件是否安装正常，测试方法，就是在交互模式下测试。
其次，不要用别名，在试试。
希望能帮到你。。。。
③ 为什么pandas有国内股票数据
都是公开发行上市的股票，当然会有的，Pandas是数据分析工具包
TuShare是国内股票数据抓取工具，除了股票的实时和历史数据，还有基本面数据，加上自然语言处理（比如情绪分析），或者机器学习，就比较有趣了。
④ 用Python能做哪些事情
Python作为一门胶水语言，其实能做的事非常多，下面我简单介绍一下，分为八个方面，主要内容如下：
数据处理
Python提供了大量用于数据处理和科学计算的库，像numpy,scipy,pandas等，对于矩阵计算、线性代数等，numpy可以快速计算并得到结果，pandas内置的DataFrame类型可以快速处理各种常见的文件，像CSV，Excel，JSon等，是数据分析的利器，在数据处理中经常使用：
可视化
Python数据可视化库也非常丰富，除了经常使用的matplotlib外，还有许多其他可视化库，像seaborn，pyecharts等，绘制的图形种类更丰富，更漂亮，代码量也更少，非常容易学习，对于日常作图制表来说，是一个非常不错的选择：
机器学习
现在机器学习正火，其实Python里面也有现成的机器学习模块可供学习—scikit-learn，对于常见的机器学习算法，像分类、回归、聚类、降维等，这个模块都有现成的代码可直接使用，非常方便，对于想入门机器学习的朋友来说，这是一个非常不错的选择：
神经网络
神经网络起源应该比较早了，目前在图像领域应用比较广泛，Python也有现成的神经网络模块可供使用，比较有名的就是谷歌开源的tensorflow，可以快速构建神经网氏轿络模型，并支持GPU计算，对于科研人员来说，是一个非常不错的选择，当然，除此之虚埋外，还有更高级的theano，keras等，使用也非常方便：
财经金融
对于想快速获取股票财经数据的朋友来说，Python也有现成的模块可供使用—tushare，一个免费、开源的财经数据接口包，可以快速获取国内股票数据，而且自动整合了数据爬取、清洗到加工的过程，使用起来非常不错，对于金融分析人员来说，是一个非常不错的工具：
爬虫
Python非常适合做网页爬虫，像常见的urllib，bs4，requests，lxml等模块，对于爬取大部分网页来说非常容易，请求解析于一身，可以快速获取到我们需要的数据，当然，为了提高开发效率，避免重复造轮子，Python也提供了一个非常受欢迎的爬虫框架—scrapy，可定制性更高，用户只需要添加少量代码，便可快速启动爬虫：
游戏开发
对于游戏开发来差核蚂说，Python也有一个专门的平台—pygame，专门用于游戏开发，对于开发小型游戏来说，这是一个非常不错的选择，摆脱了低级语言的束缚，代码量更少也更易学习，对于游戏感兴趣的朋友来说，这是一个非常不错的选择：
视频下载
对于视频下载来说，Python也有一个下载利器—you-get，可以免费快速的下载优酷、B站、美拍等网站视频，不需要登录，一键you-get就可以下载视频到本地，还支持在线播放功能，除此之外，还可以下载图片、音频等文件，是一个非常实用的工具：
目前，就分享这8个方便吧，比较实用也比较有趣，当然，还有许多其他方面的，像Web开发、桌面GUI、测试、运维、树莓派等，网上也有相关资料可供参考，感兴趣的朋友可以自己搜一下，希望以上分享的内容能对你有所帮助吧
⑤ 如何在国泰安数据库中找上市公司股票期权的数据
基本上需要这些步骤：
（1）用账号登陆界面，进行页面数据分析，提取出需要下载的数据
（2）添加cookie和header之类，模拟用户行为。
（3）远程下载到本地
这其中要注意设置代理，防止被封IP之类的问题。可以选择Python爬虫进行处理。
⑥ 怎样用python提取不同股票csv里特定时间段的数据
用pandas库，
import pandas as pd
data = pd.read_csv('train.csv')
train_data = data.values[0:TRAIN_NUM,1:]
train_label = data.values[0:TRAIN_NUM,0]
study.163.com/course/courseMain.htm?courseId=1000035
机器学习正好讲了这个手写识别的例子！
⑦ 如何使用python 抓取雪球网页
现在关注一个组合，就会有持仓变动的提示了。不过我觉得这事情挺有意思的。比如可以把很多持仓的数据都抓下来，做一些综合的分析，看看现在网站上被持有最多的股票是哪一支，某一天被调入最多的又是哪一支之类。
于是我决定来抓抓看，顺便借此说说我通常用程序做自动抓取的过程。
Step.1 分析页面
要抓一个网页，首先自然是要“研究”这个网页。通常我会用两种方式：
一个是 Chrome 的 Developer Tools。通过它里面的 Network 功能可以看到页面发出的所有网络请求，而大多数数据请求都会在 XHR 标签下。点击某一个请求，可以看到其具体信息，以及服务器的返回结果。很多网站在对于某些数据会有专门的请求接口，返回一组 json 或者 XML 格式的数据，供前台处理后显示。
另一个就是直接查看网页源代码。通常浏览器的右键菜单里都有这个功能。从页面的 HTML 源码里直接寻找你要的数据，分析它格式，为抓取做准备。
对于雪球上的一个组合页面 粗略地看了一下它发出的请求，并没有如预想那样直接找到某个数据接口。看源代码，发现有这样一段：
SNB.cubeInfo = {"id":10289,"name":"誓把老刀挑下位","symbol":"ZH010389" ...此处略过三千字... "created_date":"2014.11.25"}
SNB.cubePieData = [{"name":"汽车","weight":100,"color":"#537299"}];
cubeInfo 是一个 json 格式的数据，看上去就是我们需要的内容。一般我会找个格式化 json 的网站把数据复制进去方便查看。
这应该就是组合的持仓数据。那么接下来，一切似乎都简单了。只要直接发送网页请求，然后把其中 cubeInfo 这段文字取出，按 json 读出数据，就完成了抓取。甚至不用动用什么 BeautifulSoup、正则表达式。
Step.2 获取页面
分析完毕，开抓。
直接 urllib.urlopen 向目标网页发送请求，读出网页。结果，失败了……
看了下返回结果：
403 Forbidden
You don't have permission to access the URL on this server. Sorry for the inconvenience.
被拒了，所以这种赤裸裸地请求是不行的。没关系，那就稍微包装一下：
send_headers = {
'User-Agent':'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_10_2) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/43.0.2357.81 Safari/537.36',
'Accept':'text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8',
'Connection':'keep-alive',
'Host':'xueqiu.com',
'Cookie':r'xxxxxx',
}
req = urllib2.Request(url, headers=send_headers)
resp = urllib2.urlopen(req)
html = resp.read()
header 数据都可以从 Developer Tools 里拿到。这次顺利抓到页面内容。
一般网站或多或少都会对请求来源做一些阻拦，通过加 header 可以搞定大部分情况。
Step.3 提取数据
因为这个数据比较明显，直接用通过一些字符串查找和截取操作就可以取出来。
pos_start = html.find('SNB.cubeInfo = ') + len('SNB.cubeInfo = ')
pos_end = html.find('SNB.cubePieData')
data = html[pos_start:pos_end]
dic = json.loads(data)
dic 就是一个包含数据的字典对象。之后想干什么就随便你了。
对于复杂一点的情况，可以通过 BeautifulSoup 来定位 html 标签。再不好办的，就用正则表达式，基本都可以解决掉。
Step.4 处理数据
因为我想对数据进行持久化存储，并且做展示和分析，所以我用了 django 里的 ORM 来处理抓下来的数据。
# add Portfolio
portfolio, c = models.Portfolio.objects.get_or_create(code=dic['symbol'])
portfolio.name = dic['name']
portfolio.earnings = dic['total_gain']
portfolio.save()
# add Stock
stocks = dic['view_rebalancing']['holdings']
for s in stocks:
stock, c = models.Stock.objects.get_or_create(code=s['stock_symbol'])
stock.name = s['stock_name']
stock.count += 1
stock.weight += s['weight']
stock.save()
Portfolio 记录下组合及其收益，Stock则记录每支股票的被收录数和总收录份额。
对于抓取到的，一般也可以存在文件中，或者直接通过 SQL 存入数据库，视不同情况和个人喜好而定。
Step.5 批量抓取
前面的一套做下来，就完整地抓取了一组数据。要达到目的，还要设计一下批量抓取的程序。
一个要解决的问题就是如何获得组合列表。这个可以再通过另一个抓取程序来实现。然后根据这些列表来循环抓取就可以了。
若要细究，还要考虑列表如何保存和使用，如何处理抓取失败和重复抓取，如何控制抓取频率防止被封，可否并行抓取等等。
Step.6 数据分析
数据有了，你要怎么用它，这是个很大的问题。可以简单的统计现象，也可以想办法深入分析背后隐藏的逻辑。不多说，我也还只是在摸索之中。
⑧ 如何利用一些 finance 数据库 api 批量获取股票信息
使用Yahoo API获取股票信息。