Python股票处理之七_数据库存储

1. 说明

股票数据无需每次都从网上下载，像日线级别的历史数据会常常用到，使用多线程下载一般也需要几个小时，最好存储到本地，除了已有的特征值，还有清洗后的数据，和计算出的新特征值，以及需要与其它程序共享数据。相对于数据文件，使用数据库更合适。
本文介绍pandas（数据结构支持）通过sqlalchemy与数据库连接，存储tushare下载的日线数据，用一套代码操作不同数据库（Mysql/sqlite）。

2. 安装数据库

1) Sqlalchemy工具

$ pip install sqlalchemy

2) Mysql数据库

$ sudo apt-get install mysql-server
$ sudo apt-get install mysql-client
$ mysql -u root –p
mysql> create database stock    # 建立名为stock的数据库，之后程序中会用到
mysql> show databases;  # 显示已有的数据库

3) Sqlite数据库

$ sudo apt install sqlite3  
$ sqlite stock.db   # stock.db是数据库文件，将在运行示例程序时生成
sqlite > .tables        # 查看数据表
sqlite > select * from s002230; # 遍历表s002230中的数据

（也可使用图形界面工具sqliteman查看数据库）

3. 程序

# -*- coding: utf-8 -*-

import tushare as ts
from sqlalchemy import create_engine
import pandas as pd

#ADDR = 'mysql://root:1234@localhost:3306/stock?charset=utf8'   # 使用mysql，用户名root,密码1234，库名为stock，端口3306为mysql默认端口
ADDR = 'sqlite:///stock.db'     # 使用sqlite，当前目录的stock.db作为数据库文件

engine = create_engine(ADDR)
stocklist = ['002230','601318']

def save(code):
    print "save code:",code
    try:
        df = ts.get_h_data(code, start='1990-01-01', retry_count = 5)
        df = df.sort_index(ascending=True)
        name = 's'+code
        df.to_sql(name, engine, if_exists='fail')
    except:
        print code, " save failed"

for i in range(0, len(stocklist)):
    save(stocklist[i])

4. 其它

1) 运行SQL语句

sqlalchemy也支持直接运行SQL语句，形如：

result = engine.execute(‘select * from stock’)

使用sqlalchemy后，除了方便与pandas中的数据对接以外，也基本屏蔽了不同数据库之间的差异，换库时无需大量调整代码，十分方便。

2) 多线程下载

历史日线数据量较大，可使用python中的multiprocessing.dummy.Pool多线程下载。

3) 从数据库中读出数据

和to_sql相对的是read_sql，它可以从数据库中读出数据，并转换成DataFrame的格式。具体使用形如：
stocklist = pd.read_sql('table1',engine) # 其中stocklist是DataFrame格式数据，pd是import pandas as pd，table1是库名，engine同上例一样，指向数据库。