Python股票历史数据预处理（一）

Python股票历史数据预处理（一）

在进行量化投资交易编程时，我们需要股票历史数据作为分析依据，下面介绍如何通过Python获取股票历史数据并且将结果存为DataFrame格式。处理后的股票历史数据下载链接为：http://download.csdn.net/detail/suiyingy/9688505。

具体步骤如下：

(1) 建立股票池，这里按照股本大小来作为选择依据。
(2) 分别读取股票池中所有股票的历史涨跌幅。
(3) 将各支股票的历史涨跌幅存到DataFrame结构变量中，每一列代表一支股票，对于在指定时间内还没有发行的股票的涨跌幅设置为0。
(4) 将DataFrame最后一行的数值设置为各支股票对应的交易天数。
(5) 将DataFrame数据存到csv文件中去。

具体代码如下：

 
    # -*- coding: utf-8 -*- 
    
 
    """
 Created on Thu Nov 17 23:04:33 2016
 获取股票的历史涨跌幅，先合并为DataFrame后存为csv格式
 @author: yehxqq1513760265
 """ 
    
 
    
 
    import numpy  
    as np 
    
 
    import pandas  
    as pd 
    
 
    
 
    #按照市值从小到大的顺序获得50支股票的代码 
    
 df  
    = get_fundamentals 
    ( 
    
         query 
    (fundamentals. 
    eod_derivative_indicator. 
    market_cap 
    ) 
    
         . 
    order_by 
    (fundamentals. 
    eod_derivative_indicator. 
    market_cap. 
    asc 
    ( 
    ) 
    ) 
    
         . 
    limit 
    ( 
    50 
    ) 
    , 
    '2016-11-17' 
    ,  
    '1y' 
    
      
    ) 
    
 b1 
    =  
    { 
      
    } 
    
 priceChangeRate_300  
    = get_price_change_rate 
    ( 
    '000300.XSHG' 
    ,  
    '20060101' 
    ,  
    '20161118' 
    ) 
    
 df300  
    = pd. 
    DataFrame 
    (priceChangeRate_300 
    ) 
    
 lenReference  
    =   
    len 
    (priceChangeRate_300 
    ) 
    
 dfout  
    = df300 
    
 
    
 dflen  
    = pd. 
    DataFrame 
    ( 
    ) 
    
 dflen 
    [ 
    '000300.XSHG' 
    ]  
    =  
    [lenReference 
    ] 
    
 
    #分别对这一百只股票进行50支股票操作 
    
 
    #获取从2006.01.01到2016.11.17的涨跌幅数据 
    
 
    #将数据存到DataFrame中 
    
 
    #DataFrame存为csv文件 
    
 
    for stock  
    in  
    range 
    ( 
    50 
    ): 
    
     priceChangeRate  
    = get_price_change_rate 
    (df 
    [ 
    'market_cap' 
    ]. 
    columns 
    [stock 
    ] 
    ,  
    '20150101' 
    ,  
    '20161118' 
    ) 
    
      
    if priceChangeRate  
    is  
    None: 
    
         openDays  
    =  
    0 
    
      
    else: 
    
         openDays  
    =  
    len 
    (priceChangeRate 
    ) 
    
         dftempPrice  
    = pd. 
    DataFrame 
    (priceChangeRate 
    ) 
    
         tempArr  
    =  
    [ 
    ] 
    
          
    for i  
    in  
    range 
    (lenReference 
    ):           
    
              
    if df300. 
    index 
    [i 
    ]  
    in  
    list 
    (dftempPrice. 
    index 
    ): 
    
                  
    #保存为4位有效数字 
    
                 tempArr. 
    append 
    (  
    "%.4f" % 
    ( 
    (dftempPrice. 
    loc 
    [ 
    str 
    (df300. 
    index 
    [i 
    ] 
    ) 
    ] 
    [ 
    0 
    ] 
    ) 
    ) 
    ) 
    
                  
    pass 
    
              
    else: 
    
                 tempArr. 
    append 
    ( 
    float 
    ( 
    0.0 
    ) 
    ) 
    
         fileName  
    =  
    '' 
    
         fileName  
    = fileName. 
    join 
    (df 
    [ 
    'market_cap' 
    ]. 
    columns 
    [stock 
    ]. 
    split 
    ( 
    '.' 
    ) 
    )  
    
         dfout 
    [fileName 
    ]  
    = tempArr 
    
         dflen 
    [fileName 
    ]  
    =  
    [ 
    len 
    (priceChangeRate 
    ) 
    ] 
    
 
    
 dfout  
    = dfout. 
    append 
    (dflen 
    ) 
    
 dfout. 
    to_csv 
    ( 
    '00050.csv' 
    ) 
   
 
     
   

Python股票历史数据预处理（一）

猜你喜欢