一行代码获取股票、基金数据，并绘制K线图

我就是我 2023-09-24 15:30 21阅读 0赞

大家好，今天这篇文章和大家分享一下如何利用Python获取股票、基金数据，并进行可视化，为金融分析&可视化先导篇，欢迎大家学习、点赞、收藏支持。

一、基础准备  
环境：python 3.7+  
需要安装第三方模块：mplfinance、akshare  
运行编辑器：jupyter notebook  
二、动手动脑  
2.1 环境准备  
首先需要你的电脑安装好了Python环境，并且安装好了Python开发工具。

如果你还没有安装，可以参考以下文章：

如果仅用Python来处理数据、爬虫、数据分析或者自动化脚本、机器学习等，建议使用Python基础环境+jupyter即可，安装使用参考Windows/Mac 安装、使用Python环境+jupyter notebook

如果想利用Python进行web项目开发等，建议使用Python基础环境+Pycharm，安装使用参考 ：Windows下安装、使用Pycharm教程，这下全了 和 Mac下玩转Python-安装&使用Python/PyCharm 。

2.2 模块安装  
本次实验是在jupyter notebook上进行，默认你已经安装好了Python基本环境和jupyter，如果没有安装可以看上面的环境安装部分。

首先打开终端，输入：

jupyter notebook  
即可进入jupyter，会自动连接服务器，并跳转到网页，新建一个python文件。图片给文件重命名，容易区分：图片

在代码块中输入以下指令并运行，即可安装mplfinance（金融数据可视化，基于matplotlibe和pandas）和akshare（金融数据获取模块）：

!pip3 install mplfinance --user  
!pip3 install akshare --user  
2.3 模块基本介绍与使用  
2.3.1 mplfinance  
基本介绍：用于金融数据可视化和可视化分析的 matplotlib 实用程序（接口），基于matplotlibe开发，并且与pandas的DataFrame数据有很好的结合。

项目地址：https://github.com/matplotlib/mplfinance

基本使用方法：

import mplfinance as mpf

mpf.plot(data)  
其中 data数据是一个DataFrame数据类型，必须包含：Open, High, Low and Close这四列，并且有时间日期索引（类型为：DatetimeIndex）。

接下来，我们虚拟一个数据来看看效果吧：

import mplfinance as mpf  
import pandas as pd

## 创建日期索引 ##

index\_date = pd.DatetimeIndex(\[‘20210906’, ‘20210907’, ‘20210908’, ‘20210909’\])

## 随便创建数据 ##

data = pd.DataFrame(\{  
‘Open’: \[1, 2, 3, 4\],  
‘High’: \[2, 3, 4, 5\],  
‘Low’ : \[0.5, 1, 2, 2\],  
‘Close’: \[2, 3, 4, 3\]  
\}, index=index\_date)

## 调用plot函数 进行绘图 ##

mpf.plot(data)  
图片我们看到，现在根据模拟数据我们简单绘制了一个简单的OHLC线条。

type参数使用，让绘图更加精彩：

mpf.plot(data,type=‘candle’)  
图片  
mpf.plot(data,type=‘line’)  
图片type还可以为：renko、pnf。

mav参数可以添加移动平均线，更好的看趋势。

mpf.plot(data, type=‘candle’, mav=2)  
图片还可以添加多条移动平均线：

mpf.plot(data, type=‘candle’, mav=(2, 3))  
图片更多使用方法，后面分章节给大家介绍，也欢迎大家去github地址自行学习，和我以及简说Python学习群友进行交流。

2.3.2 akshare  
基本介绍：AKShare 是一个优雅简单的 Python 金融数据接口库，你可以利用这个库轻松获取到金融财经数据。

项目地址：https://github.com/jindaxiang/akshare/ 基本使用方法：

获取指数数据  
import akshare as ak

## 获取上证指数每日的变化数据 OHLC ##

sz\_index = ak.stock\_zh\_index\_daily(symbol=“sh000001”)  
这样就可以获取到上证指数所有历史数据啦～图片

获取A股数据

## 获取茅台股票每日的变化数据 采用前复权方式计算（关于复权计算更多知识以后分享，大家可以网络查找相关资料） ##

stock\_zh\_mt\_hist\_df = ak.stock\_zh\_a\_hist(symbol=“600519”, period=“daily”, start\_date=“20170301”, end\_date=‘20210913’, adjust=“qfq”)  
图片  
获取港股数据

## 获取港股腾讯股票历史数据 ##

stock\_hk\_tx\_hist\_df = ak.stock\_hk\_hist(symbol=“00700”, start\_date=“20170301”, end\_date=“20210913”, adjust=“qfq”)  
图片  
获取美股数据

## 获取美股苹果公司历史股票数据 ##

stock\_us\_apple\_hist\_df = ak.stock\_us\_hist(symbol=‘105.AAPL’, start\_date=“20100101”, end\_date=“20210913”, adjust=“qfq”)  
图片  
获取基金数据

## 获取易方达蓝筹从发行到现在的净值数据 ##

yfd\_fund = ak.fund\_em\_open\_fund\_info(fund=“005827”, indicator=“单位净值走势”)  
图片更多使用方法，后面分章节给大家介绍，也欢迎大家去github地址自行学习，和我以及简说Python学习群友进行交流。

来，操作  
按上面方法，我们获取上证指数数据后，选取从2020-01-01到现在的数据进行可视化，然后在进行细分可视化，并选择不同的移动平均线。

2020-01-01 - '2021-09-13， mav=(200, 300, 350)  
import akshare as ak  
import mplfinance as mpf  
import pandas as pd

## 获取上证指数每日的变化数据 OHLC ##

sz\_index = ak.stock\_zh\_index\_daily(symbol=“sh000001”)  
data1 = sz\_index.loc\[‘2020-01-01 00:00:00+00:00’:‘2021-09-13 00:00:00+00:00’\]  
mpf.plot(data1, type=‘candle’, mav=(200, 300, 350), volume=True)  
图片  
2021-01-01 - '2021-09-13， mav=(30, 60, 120)  
data2 = sz\_index.loc\[‘2021-01-01 00:00:00+00:00’:‘2021-09-13 00:00:00+00:00’\]  
mpf.plot(data2, type=‘candle’, mav=(30, 60, 120), volume=True)  
图片  
2021-04-01 - '2021-09-13， mav=(5, 10, 20)  
data3 = sz\_index.loc\[‘2021-04-01 00:00:00+00:00’:‘2021-09-13 00:00:00+00:00’\]  
mpf.plot(data3, type=‘candle’, mav=(5, 10, 20), volume=True)  
图片  
今天就到这里啦，如果大家觉得文章不错，记得点个赞哈～

--------------------

### 资源分享 ###

**下方这份完整的软件测试视频学习教程已经上传CSDN官方认证的二维码，朋友们如果需要可以自行免费领取 `【保证100%免费】`**

![在这里插入图片描述][b9a9eea1ed5c42429c5e383b00ba6e0c.png_pic_center]

![在这里插入图片描述][d96b58a511f84668b59f3f620964da07.png_pic_center]

[b9a9eea1ed5c42429c5e383b00ba6e0c.png_pic_center]: https://img-blog.csdnimg.cn/b9a9eea1ed5c42429c5e383b00ba6e0c.png#pic_center
[d96b58a511f84668b59f3f620964da07.png_pic_center]: https://img-blog.csdnimg.cn/d96b58a511f84668b59f3f620964da07.png#pic_center