利用python来炒股

我们有时候很忙，忙得忘记看股票。有没有办法能辅助我们来分析我们关注的股票呢？

Pandas库提供了专门从财经网站获取金融数据的API接口，可作为量化交易股票数据获取的另一种途径。

我们可以通过python来做简单的数据分析，就可以得到股票的各种走势，辅助我们来操作了。

DataReader方法介绍
查看Pandas的手册可以发现，第一个参数为股票代码，苹果公司的代码为"AAPL"，国内股市采用的输入方式“股票代码”+“对应股市”，上证股票在股票代码后面加上“.SS”，深圳股票在股票代码后面加上“.SZ”。DataReader可从多个金融网站获取到股票数据，如“Yahoo! Finance” 、“Google Finance”等，这里以Yahoo为例。第三、四个参数为股票数据的起始时间段。返回的数据格式为DataFrame。

首先我们得安装包：

pip install pandas
pip install pandas-datareader

然后将其引用进来

from pandas import DataFrame, Series
import numpy as np
import pandas as pd
import pandas_datareader.data as web
import datetime


start = datetime.datetime(2020,1,1)#获取数据的时间段-起始时间
end = datetime.date.today()#获取数据的时间段-结束时间
stock = web.DataReader("600797.SS", "yahoo", start, end)#获取浙大网新2020年1月1日至今的股票数据

也可这样获取数据：

all_data = {
        ticker: web.get_data_yahoo(ticker) for ticker in ['AAPL', 'IBM', 'MSFT', 'GOOG']
    }
    price = pd.DataFrame({
        ticker: data['Adj Close'] for ticker, data in all_data.items()
    })
    volume = pd.DataFrame({
        ticker: data['Volume'] for ticker, data in all_data.items()
    })

拿到这些数据，我们可以对数据进行处理：

DataFrame数据中增加涨/跌幅列，涨/跌=（当日Close-上一日Close）/上一日Close*100%

（1）添加一列change，存储当日股票价格与前一日收盘价格相比的涨跌数值，即当日Close价格与上一日Close的差值，1月3日这天无上一日数据，因此出现缺失

change = stock.Close.diff()
stock['Change'] = change
print stock.head(5)

（2）对缺失的数据用涨跌值的均值就地替代NaN。

change.fillna(change.mean(),inplace=True)

（3）计算涨跌幅度有两种方法，pct_change()算法的思想即是第二项开始向前做减法后再除以第一项，计算得到涨跌幅序列。

stock['pct_change'] = (stock['Change'] /stock['Close'].shift(1))#
stock['pct_change1'] = stock.Close.pct_change()

OK，这些数据看得眼花，我们可以用图表更直观的展现出来，举个例子：
绘制 2019 年到今天2019-02-15 (goole公司 ) 的股票趋势 ( open:开盘价, close: 收盘价, high 最高价:, low: 最低价，单位为美元)

import matplotlib.pyplot as plt
import pandas as pd
import pandas_datareader.data as web
import matplotlib
import time
import matplotlib.pyplot as plt
import argparse

def drawStockTrend(inc, startDate, endDate, pngFile):
    fig = matplotlib.pyplot.gcf()
    fig.set_size_inches(18.5, 10.5)

    df = web.DataReader(name=inc, data_source='iex', start=startDate, end=endDate)
    print(df)
    plt.style.use('seaborn-whitegrid')
    plt.xticks(rotation=30)
    plt.plot(df.index, df['open'], label='open', marker='o', linestyle=':', linewidth=1, markersize=3, color='gray')
    plt.plot(df.index, df['high'], label='high', marker='o', linestyle=':', linewidth=1, markersize=3, color='green')
    plt.plot(df.index, df['low'], label='low', marker='o', linestyle=':', linewidth=1, markersize=3, color='blue')
    plt.plot(df.index, df['close'], label='close', marker='o', linestyle='-', linewidth=2, markersize=6, color='red')

    for x, y in zip(df.index, df['close']):
        plt.text(x, y + 0.3, '%.2f' % y, ha='center', va='bottom', color='red')

    plt.legend()
    plt.title("%s' stock trend" % company)
    plt.show(block=True)
    time.sleep(1)
    
    if(not pngFile):
        fig.savefig(pngFile)

    plt.close()

if __name__ == "__main__":
    parser = argparse.ArgumentParser()

    parser.add_argument('-c', action='store', dest='company', help='specify company')
    parser.add_argument('-s', action='store', dest='start', help='specify start date')
    parser.add_argument('-e', action='store', dest='end', help='specify end date')
    parser.add_argument('-f', action='store', dest='file', help='specify the filename')

    args = parser.parse_args()

    company = 'CSCO'
    startDate = '2019-01-01'
    endDate = '2019-02-19'
    pngFile = None

    if(args.company):
        company = args.company

    if (args.start):
        startDate = args.start

    if (args.end):
        endDate = args.end

    if (args.file):
        pngFile = args.file

    drawStockTrend(company, startDate, endDate, pngFile)

运行一下：

python stock.py -c GOOGL -s 2019-01-01 -e 2019-02-19 -f google_stock_trend.png

 

这样就很直观看出各种走势了。

如果能定时将其发到我们微信或者其它通信工具上。即使再忙，也不太可能错过一个亿的机会了。

更多精彩，请关注微信公众号：python爱好部落