如何获取上月数据_如何获取股票数据（一）

男娘i 2023-01-06 13:59 106阅读 0赞

![fbd1698a25229b76430ed83a8c412dd6.gif][]

这是第一篇量化交易学习文，心里还是有点忐忑，毕竟自己不是金融人士，金融业务能力匮乏，所以从最简单的数据获取入手，各种概念各种策略还在学习中。回测框架选择backtrader，因为网上对此框架的评价甚高而且本人每天与python打交道，还是非常适合去使用或者扩展。

网上查找了很多股票数据获取方法，初步选择网易财经，试了一下可以获取历史数据也可以获取当天的分时(分钟)，对我刚上手的人来说已经足够了。当然还有很多支持更加高阶数据服务的平台，需要花钱，我就暂时先不用了，等哪天达到那个level再说，哈哈。那就先上代码吧。

第一个数据处理类， DataReader

class DataReader:    def __init__(self):        pass    def get_history_data(self, *args, **kwargs):        """        :param args:        :param kwargs:code, start, end, columns, csv        :return:        """        code = kwargs.get("code", "0600099")        start = kwargs.get("start", "20180101")        end = kwargs.get("end", "20191230")        columns = kwargs.get("columns", ["Open", "High", "Low", "Close", "Volume"])        csv = kwargs.get("csv", "")        if csv:            csv_path = csv        else:            url = "http://quotes.money.163.com/service/chddata.html?code=%s&start=%s&end=%s" % (code, start, end)            csv_path = os.path.join(config.PROJECT_DIR, "tmp", "stock_csv", code + '.csv')            urllib.request.urlretrieve(url, csv_path)        df = pandas.read_csv(csv_path, encoding="GBK")        df = df.rename(columns={
         "日期": "Date", "股票代码": "Code", "名称": "Name", "收盘价": "Close", "最高价": "High", "最低价": "Low",                                "开盘价": "Open", "涨跌额": "Limit", "换手率": "Turnover", "成交量": "Volume", "成交金额": "Amount",                                "总市值": "Total_value", "流通市值": "Circulation", "成交笔数": "Number"})        df["Date"] = df["Date"].map(lambda x: self.string2datetime64(x))  # change to datetime64 to match backtrader        df = df.set_index("Date")        return df[columns].sort_index()    def get_stock_list(self):        pass    @staticmethod    def string2datetime64(date_string):        """        :param date_string: y-m-d        :return:        """        t = time.strptime(date_string, "%Y-%m-%d")        y, m, d = t[0:3]        return numpy.datetime64(datetime.datetime(y, m, d))

第一个重要函数就是get\_history\_data，返回的是一段时期内某个股票代码的数据。其逻辑是根据传入的股票代码和起始结束日期从网易提供的接口获取CSV文件，然后用pandas提供read\_csv去解析转换成dataframe数据，这里需要注意的是其中我把时间字符串转换了numpy中的datetime64类型去适配backtrader，同时dataframe的index必须是Date。这个函数返回的数据已在一个简单sample based on backtrader验证过。

如何获取三大指数的股票列表呢，我在上证交易所和深证交易所的官网下载了股票列表CSV，只要用pandas的read\_csv函数读取即可。

def get_stock_list(self):        """        :return:ss_df, szs_df        """        ss_df = pandas.read_csv(os.path.join(os.path.dirname(__file__), "sse.csv"), encoding="GBK").rename(columns={
         "公司代码 ": "Code", "公司简称 ": "Name"})[["Code", "Name"]]        #szs = pandas.read_csv(os.path.join(os.path.dirname(__file__), "szse.csv"), encoding="GBK").rename(columns={"公司代码": "Code", "公司简称": "Name"})["Code", "Name"]        return ss_df

有了股票列表，就可以批量获取股票的历史数据

def get_history_data_csv_by_code_list(self, code_list, start_date, end_date):        """        :param code_list: code list        :param start_date: yyyymmdd        :param end_date: yyyymmdd        :return:        """        for code in code_list:            code = str(code)            if code[0] == "6":                code = "0" + code            else:                code = "1" +code            self.get_history_data(code=code, start=start_date, end=end_date)

测试了一下获取两年中所有上证股票的数据，一共用了5分钟左右。

![dd14d2bda48b48a9705b22cabd2fbec7.png][] ![d475719865955ef2571310e2b3e48ae6.png][]

**听说关注我们的人 都升职加薪啦**

**你要做的**

**无非是**

**长按关注**

![a6c0021b0e411d238651754878dd957f.gif][]

[fbd1698a25229b76430ed83a8c412dd6.gif]: /images/20221119/7cc53541914b4e2285ef77edf31df369.png
[dd14d2bda48b48a9705b22cabd2fbec7.png]: https://img-blog.csdnimg.cn/img_convert/dd14d2bda48b48a9705b22cabd2fbec7.png
[d475719865955ef2571310e2b3e48ae6.png]: /images/20221119/22d715f3f68f44e6bca9fe3ab4f09248.png
[a6c0021b0e411d238651754878dd957f.gif]: https://img-blog.csdnimg.cn/img_convert/a6c0021b0e411d238651754878dd957f.gif