我們搜集金融數據，通常想要的是利用爬蟲的方法。其實我們最近所學的class不僅可以進行類調用，在獲取數據方面同樣是可行的，很多小伙伴都比較關注理財方面的情況，對金融數據的需要也是比較多的。下面就class類在python中獲取金融數據的方法為大家帶來講解。

使用tushare獲取所有A股每日交易數據，保存到本地數據庫，同時每日更新數據庫；根據行情數據進行可視化和簡單的策略分析與回測。由于篇幅有限，本文著重介紹股票數據管理（下載、數據更新）的面向對象編程應用實例。

#導入需要用到的模塊import numpy as npimport pandas as pdfrom dateutil.parser import parsefrom datetime import datetime,timedelta#操作數據庫的第三方包，使用前先安裝pip install sqlalchemyfrom sqlalchemy import create_engine#tushare包設置import tushare as tstoken=’輸入你在tushare上獲得的token’pro=ts.pro_api(token)#使用python3自帶的sqlite數據庫#本人創建的數據庫地址為c:zjydb_stockfile=’sqlite:///c:zjydb_stock’#數據庫名稱db_name=’stock_data.db’engine = create_engine(file+db_name)class Data(object): def __init__(self, start=’20050101’, end=’20191115’, table_name=’daily_data’): self.start=start self.end=end self.table_name=table_name self.codes=self.get_code() self.cals=self.get_cals() #獲取股票代碼列表 def get_code(self): codes = pro.stock_basic(list_status=’L’).ts_code.values return codes #獲取股票交易日歷 def get_cals(self): #獲取交易日歷 cals=pro.trade_cal(exchange=’’) cals=cals[cals.is_open==1].cal_date.values return cals #每日行情數據 def daily_data(self,code): try: df0=pro.daily(ts_code=code,start_date=self.start,end_date=self.end) df1=pro.adj_factor(ts_code=code,trade_date=’’) #復權因子 df=pd.merge(df0,df1) #合并數據 except Exception as e: print(code) print(e) return df #保存數據到數據庫 def save_sql(self): for code in self.codes: data=self.daily_data(code) data.to_sql(self.table_name,engine, index=False,if_exists=’append’) #獲取最新交易日期 def get_trade_date(self): #獲取當天日期時間 pass #更新數據庫數據 def update_sql(self): pass #代碼省略 #查詢數據庫信息def info_sql(self):

代碼運行

#假設你將上述代碼封裝成class Data#保存在’C:zjydb_stock’目錄下的down_data.py中import sys#添加到當前工作路徑sys.path.append(r’C:zjydb_stock’)#導入py文件中的Data類from download_data import Data#實例類data=Data()#data.save_sql() #只需運行一次即可data.update_sql() data.info_sql()

實例擴展：

Python下，pandas_datareader模塊可以用于獲取研究數據。例子如下：

>>> from pandas_datareader.data import DataReader>>>>>> datas = DataReader(name=’AAPL’, data_source=’yahoo’, start=’2018-01-01’)>>>>>> type(datas)<class ’pandas.core.frame.DataFrame’>>>> datas Open High Low Close Adj Close Date2018-01-02 170.160004 172.300003 169.259995 172.259995 172.2599952018-01-03 172.529999 174.550003 171.960007 172.229996 172.2299962018-01-04 172.539993 173.470001 172.080002 173.029999 173.0299992018-01-05 173.440002 175.369995 173.050003 175.000000 175.0000002018-01-08 174.350006 175.610001 173.929993 174.350006 174.3500062018-01-09 174.550003 175.059998 173.410004 174.330002 174.3300022018-01-10 173.160004 174.300003 173.000000 174.289993 174.2899932018-01-11 174.589996 175.490005 174.490005 175.279999 175.2799992018-01-12 176.179993 177.360001 175.649994 177.089996 177.089996 VolumeDate2018-01-02 255559002018-01-03 295179002018-01-04 224346002018-01-05 236600002018-01-08 205678002018-01-09 215840002018-01-10 239599002018-01-11 186677002018-01-12 25226000>>>>>> print(datas.to_csv())Date,Open,High,Low,Close,Adj Close,Volume2018-01-02,170.160004,172.300003,169.259995,172.259995,172.259995,255559002018-01-03,172.529999,174.550003,171.960007,172.229996,172.229996,295179002018-01-04,172.539993,173.470001,172.080002,173.029999,173.029999,224346002018-01-05,173.440002,175.369995,173.050003,175.0,175.0,236600002018-01-08,174.350006,175.610001,173.929993,174.350006,174.350006,205678002018-01-09,174.550003,175.059998,173.410004,174.330002,174.330002,215840002018-01-10,173.160004,174.300003,173.0,174.289993,174.289993,239599002018-01-11,174.589996,175.490005,174.490005,175.279999,175.279999,186677002018-01-12,176.179993,177.360001,175.649994,177.089996,177.089996,25226000>>>

到此這篇關于class類在python中獲取金融數據的實例方法的文章就介紹到這了,更多相關class類怎樣在python中獲取金融數據內容請搜索好吧啦網以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持好吧啦網！