当前位置：首页 > article >正文

一键获取每日股票数据，自动更新，尽在掌握

article 2024/12/26 12:17:42

用Python和Tushare库获取股票日线数据

在金融市场分析中，获取股票的历史数据是进行技术分析和量化投资的基础。Tusharetushare官网是一个提供中国股市数据的API接口，它支持获取股票的日线数据、基本面数据等。本文将介绍如何使用Python语言和Tushare库来获取股票的日线数据，并结合多线程技术提高数据获取的效率。

1. 环境准备

首先，确保你的Python环境中安装了以下库：

tushare：用于获取股票数据的API接口。
pandas：用于数据处理和分析。
datetime：用于处理日期和时间。
os：用于操作系统功能，如文件路径操作。
multiprocessing：用于实现多线程。
time：用于处理时间相关的操作。

可以通过以下命令安装所需的库：

pip install tushare pandas

2. Tushare API的初始化

在使用Tushare之前，需要注册并获取API tokentushare官网。然后，使用以下代码初始化Tushare：

import tushare as ts

pro = ts.pro_api('your_token')

3. 获取股票列表

股票数据的获取通常是基于股票代码进行的。以下代码展示了如何获取当前上市的所有股票代码：

stock_list = list(
    pro.stock_basic(exchange='', list_status='L', fields='ts_code,symbol,name,area,industry,list_date')['ts_code']) + \
             list(pro.stock_basic(exchange='', list_status='D', fields='ts_code,symbol,name,area,industry,list_date')['ts_code']) + \
             list(pro.stock_basic(exchange='', list_status='P', fields='ts_code,symbol,name,area,industry,list_date')['ts_code'])
stock_list = list(filter(lambda x: x.startswith(('0', '6', '3')) and x.endswith(('SH', 'SZ')), stock_list))

4. 定义获取单只股票日线数据的函数

定义一个函数get_stock_daily_data_all，用于获取单只股票的日线数据。这个函数包括获取基础行情、复权因子、基本面因子、涨跌停价格和资金流向：

def get_stock_daily_data_all(stock_id, save_file_mode='feather'):
    df_daily = pd.DataFrame([])
    # 根据股票代码获取股票的交易所代码
    if len(stock_id) == 6:
        if stock_id.startswith(('6')):
            fund_code = f'{stock_id}.SH'
        elif stock_id.startswith('8'):
            fund_code = f'{stock_id}.BJ'
        else:
            fund_code = f'{stock_id}.SZ'
    else:
        fund_code = stock_id

    # 检查是否已经存在数据文件，如果不存在则获取数据
    if not os.path.exists(f'D:/stock_daily_data_tushare/{fund_code[:-3]}.feather'):
        try:
            for i in range(len(date_list) - 1):
                df_daily_temp = pro.daily(ts_code=f'{stock_id}', start_date=date_list[i], end_date=date_list[i + 1]).iloc[::-1]
                df_adj = pro.adj_factor(ts_code=f'{stock_id}', start_date=date_list[i], end_date=date_list[i + 1]).iloc[::-1]
                df_basic = pro.daily_basic(ts_code=f'{stock_id}', start_date=date_list[i], end_date=date_list[i + 1], fields='ts_code,trade_date,turnover_rate,turnover_rate_f,volume_ratio,pe,pe_ttm,pb,ps,ps_ttm,dv_ratio,dv_ttm,total_share,float_share,free_share,total_mv,circ_mv').iloc[::-1]
                df_limit = pro.stk_limit(ts_code=f'{stock_id}', start_date=date_list[i], end_date=date_list[i + 1]).iloc[::-1]
                df_moneyflow = pro.moneyflow(ts_code=f'{stock_id}', start_date=date_list[i], end_date=date_list[i + 1]).iloc[::-1]

                df_daily_temp['adj_factor'] = df_adj['adj_factor']
                df_daily_temp = pd.merge(df_daily_temp, df_limit, on=['ts_code', 'trade_date'], how='inner')
                df_daily_temp = pd.merge(df_daily_temp, df_basic, on=['ts_code', 'trade_date'], how='inner')
                df_daily_temp = pd.merge(df_daily_temp, df_moneyflow, on=['ts_code', 'trade_date'], how='inner')

                df_daily = pd.concat([df_daily, df_daily_temp])
            for item in ['open', 'high', 'low', 'close']:
                df_daily[f'{item}_after'] = df_daily[item] * df_daily['adj_factor']
            df_daily['ts_code'] = df_daily['ts_code'].apply(lambda x: x[:-3])
            df_daily = df_daily.rename(columns={'ts_code': 'code', 'trade_date': 'date', 'vol': 'volume'})
            df_daily.reset_index(drop=True, inplace=True)
            if save_file_mode == 'feather':
                df_daily.to_feather(f'D:/stock_daily_data_tushare/{fund_code[:-3]}.feather')
            elif save_file_mode == 'csv':
                df_daily.to_csv(f'./data/temp_data/{fund_code[:-3]}.csv')
        except Exception as e:
            time.sleep(60)
            print(e)
            print(f'{fund_code} error!')

5. 多线程获取数据

为了提高数据获取的效率，可以使用Python的multiprocessing库来实现多线程。以下代码展示了如何使用多线程获取所有股票的日线数据：

if __name__ == '__main__':
    pool = mp.Pool(processes=4)  # 创建一个进程池
    pool.map(get_stock_daily_data_all, stock_list)  # 映射函数到股票列表
    pool.close()
    pool.join()