python stock数据包tushare例子

文章为各位介绍一个开源的免费的python stock数据包tushare例子，希望例子对各位朋友有一些帮助了。

TuShare是一个免费、开源的python财经数据接口包。主要实现对股票等金融数据从数据采集、清洗加工 到 数据存储的过程，能够为金融分析人员提供快速、整洁、和多样的便于分析的数据，为他们在数据来源方面极大地减轻工作量，使他们更加专注于策略和模型的研究与实现上。考虑到Python pandas包在金融量化分析中体现出的优势，TuShare返回的绝大部分的数据格式都是pandas DataFrame类型，非常便于用pandas/NumPy/Matplotlib进行数据分析和可视化。

其支持获取的股市数据有：交易数据、投资参考数据、股票分类数据、基本面数据、龙虎榜数据、宏观经济数据、新闻事件数据、银行间同业拆放利率等大类，每个大类下面又细分一些小类。

一、安装与升级

同其他python模块的安装使用方法一样，即可以通过pip、easy_install 工具包进行安装，也可以通过源码包进行安装。

方式1：pip install tushare

方式2：访问https://pypi.python.org/pypi/tushare/下载安装

从github上的源码包可以看出，作者非常的勤奋，更新的速度非常快，所以也可以通过如下方法进行升级：

pip install tushare –upgrade
二、数据获取相关

这里以最经常使用的几个交易指标为例，做下汇总。

1、历史数据

import tushare as ts
ts.get_hist_data('600848') #一次性获取全部日k线数据
ts.get_hist_data('600848',start='2015-05-01',end='2015-06-18') #指定时间区间
ts.get_hist_data('600848'，ktype='W') #获取周k线数据
ts.get_hist_data('600848'，ktype='M') #获取月k线数据
ts.get_hist_data('600848'，ktype='5') #获取5分钟k线数据
ts.get_hist_data('600848'，ktype='15') #获取15分钟k线数据
ts.get_hist_data('600848'，ktype='30') #获取30分钟k线数据
ts.get_hist_data('600848'，ktype='60') #获取60分钟k线数据
ts.get_hist_data('sh'）#获取上证指数k线数据，其它参数与个股一致，下同
ts.get_hist_data('sz'）#获取深圳成指k线数据
ts.get_hist_data('hs300'）#获取沪深300指数k线数据
ts.get_hist_data('sz50'）#获取上证50指数k线数据
ts.get_hist_data('zxb'）#获取中小板指数k线数据
ts.get_hist_data('cyb'）#获取创业板指数k线数据
关于复权的概念不了解，这里略过。接下来看实时数据。

2、实时数据

获取当天所有的行情信息，无法指定具体某一支的行情

import tushare as ts
ts.get_today_all()
历史分笔与实时分笔（买卖盘统计）：

import tushare as ts
df = ts.get_tick_data('600848',date='2014-01-09')
df.head(10)
df = ts.get_today_ticks('601333')  #当天历史分笔
df.head(10)
import tushare as ts
df = ts.get_realtime_quotes('000581') #Single stock symbol
df[['code','name','price','bid','ask','volume','amount','time']]
#symbols from a list
ts.get_realtime_quotes(['600848','000980','000981'])
#from a Series
ts.get_realtime_quotes(df['code'].tail(10))  #一次获取10个股票的实时分笔数据
3、大盘指数

import tushare as ts
df = ts.get_index()
4、新股数据

获取打新数据：

import tushare as ts
ts.new_stocks()
5、基本面数据

基本面数据里包含选股的很多依据指标，如：市盈率、市净率、每股收益、净利润、季报、应收账款周转率、净利润增长率(%)、流动比率、速动比率、现金流量比率等。

import tushare as ts
ts.get_stock_basics()
#获取2015年第1季度的业绩报表数据
ts.get_report_data(2015,1)
#获取2015年第1季度的盈利能力数据
ts.get_profit_data(2015,1)
#获取2015年第1季度的营运能力数据
ts.get_operation_data(2015,1)
#获取2015年第1季度的成长能力数据
ts.get_growth_data(2015,1)
#获取2015年第1季度的偿债能力数据
ts.get_debtpaying_data(2015,1)
#获取2015年第1季度的现金流量数据
ts.get_cashflow_data(2015,1)
三、数据存储

tushare自身提供了常用的数据保存格式：csv格式、excel格式、HDF5文件格式、JSON格式、mysql关系数据库、nosql数据库。

1、to_csv方法

import tushare as ts
df = ts.get_hist_data('000875')
#直接保存
df.to_csv('c:/day/000875.csv')
#选择保存
df.to_csv('c:/day/000875.csv',columns=['open','high','low','close'])
某些时候，可能需要将一些同类数据保存在一个大文件中，这时候就需要将数据追加在同一个文件里,简单举例如下：

import tushare as ts
import os
filename = 'c:/day/bigfile.csv'
for code in ['000875', '600848', '000981']:
    df = ts.get_hist_data(code)
    if os.path.exists(filename):
        df.to_csv(filename, mode='a', header=None)
    else:
        df.to_csv(filename)
2、to_excel方法

import tushare as ts
df = ts.get_hist_data('000875')
#直接保存
df.to_excel('c:/day/000875.xlsx')
#设定数据位置（从第3行，第6列开始插入数据）
df.to_excel('c:/day/000875.xlsx', startrow=2,startcol=5)
3、to_hdf方法

import tushare as ts
df = ts.get_hist_data('000875')
df.to_hdf('c:/day/hdf.h5','000875')
或
import tushare as ts
df = ts.get_hist_data('000875')
store = HDFStore('c:/day/store.h5')
store['000875'] = df
store.close()
4、to_json方法

import tushare as ts
df = ts.get_hist_data('000875')
df.to_json('c:/day/000875.json',orient='records')
#或者直接使用
print df.to_json(orient='records')
5、to_sql方法

from sqlalchemy import create_engine
import tushare as ts
df = ts.get_tick_data('600848', date='2014-12-22')
engine = create_engine('mysql://user:passwd@127.0.0.1/db_name?charset=utf8')
#存入数据库
df.to_sql('tick_data',engine)
#追加数据到现有表
#df.to_sql('tick_data',engine,if_exists='append')
如下图：

5、写入mongodb

通过官方的示例来看，并没有直接提供写入mongodb的方法，不过mongodb支持json格式的输入，这里“曲线救国 ” 下：

import pymongo
import json
conn = pymongo.Connection('127.0.0.1', port=27017)
df = ts.get_tick_data('600848',date='2014-12-22')

conn.db.tickdata.insert(json.loads(df.to_json(orient='records')))

四、数据绘图

上面都是拾人牙慧的东西，这里来一点点干货。由 tushare 处理输出的格式已经经过整形，所以可以结合pandas模块可以很好的进行汇图，如下：

import tushare as ts
import pandas as pd
df=ts.get_hist_data('600415',start='2015-04-01',end='2015-06-18')
# 所有的结果汇图
df.plot()
# 只将stock最高值进行汇图
df.high.plot()
# 指定绘图的四个量，并指定线条颜色
with pd.plot_params.use('x_compat', True):
    df.open.plot(color='g')
    df.close.plot(color='y')
    df.high.plot(color='r')
    df.low.plot(color='b')

# 指定绘图的长宽尺度及背景网格

with pd.plot_params.use('x_compat', True):
    df.high.plot(color='r',figsize=(10,4),grid='on')
    df.low.plot(color='b',figsize=(10,4),grid='on')

上面绘制了四个图，这里只选取第四张图具体可以看下效果：

默认上面的方法，只会输出图片，无法保存图片，所以可以通过matplotlib模块的savefig函数保存图片到指定的位置，代码如下：

import matplotlib
import tushare as ts
import pandas as pd
fig = matplotlib.pyplot.gcf()
df=ts.get_hist_data('600415',start='2015-04-01',end='2015-06-18')
with pd.plot_params.use('x_compat', True):
    df.high.plot(color='r',figsize=(10,4),grid='on')
    df.low.plot(color='b',figsize=(10,4),grid='on')
    fig.savefig('F:/graph.png')