使用Python获取股票数据的最佳方法是什么？-Python教程-PHP中文网

使用Python获取股票数据的最佳方法是什么？

WBOY

发布： 2023-08-26 13:41:05

转载

3709人浏览过

使用python获取股票数据的最佳方法是什么？

在本文中，我们将学习使用 Python 获取股票数据的最佳方法。

yfinance Python 库将用于从雅虎财经检索当前和历史股票市场价格数据。

安装雅虎财经(yfinance)

获取股票市场数据的最佳平台之一是雅虎财经。只需从雅虎财经网站下载数据集并使用 yfinance 库和 Python 编程即可访问它。

您可以在 pip 的帮助下安装 yfinance，您所要做的就是打开命令提示符并键入以下命令显示语法：

立即学习“Python免费学习笔记（深入）”；

语法

pip install yfinance

登录后复制

yfinance 库最好的部分是，它可以免费使用，并且不需要 API 密钥

如何获取当前股票价格数据

我们需要找到可用于数据提取的股票代码。我们将展示以下示例中 GOOGL 的当前市场价格和之前收盘价。

示例

以下程序返回市场价格值、前收盘价值、股票代码使用 yfinance 模块的值 -

import yfinance as yf
ticker = yf.Ticker('GOOGL').info
marketPrice = ticker['regularMarketPrice']
previousClosePrice = ticker['regularMarketPreviousClose']
print('Ticker Value: GOOGL')
print('Market Price Value:', marketPrice)
print('Previous Close Price Value:', previousClosePrice)

登录后复制

输出

执行时，上述程序将生成以下输出 -

Ticker Value: GOOGL
Market Price Value: 92.83
Previous Close Price Value: 93.71

登录后复制

如何获取股票价格的历史数据

通过给出开始日期、结束日期和代码，我们可以获得完整的历史价格数据。

示例

以下程序返回开始日期和结束日期之间的股票价格数据 -

# importing the yfinance package
import yfinance as yf

# giving the start and end dates
startDate = '2015-03-01'
endDate = '2017-03-01'

# setting the ticker value
ticker = 'GOOGL'

# downloading the data of the ticker value between
# the start and end dates
resultData = yf.download(ticker, startDate, endDate)

# printing the last 5 rows of the data
print(resultData.tail())

登录后复制

输出

执行时，上述程序将生成以下输出 -

[*********************100%***********************] 1 of 1 completed
            Open      High     Low       Close     Adj Close Volume
Date
2017-02-22 42.400002 42.689499 42.335499 42.568001 42.568001 24488000
2017-02-23 42.554001 42.631001 42.125000 42.549999 42.549999 27734000
2017-02-24 42.382500 42.417999 42.147999 42.390499 42.390499 26924000
2017-02-27 42.247501 42.533501 42.150501 42.483501 42.483501 20206000
2017-02-28 42.367500 42.441502 42.071999 42.246498 42.246498 27662000

登录后复制

上面的示例将检索2015-03-01到2017-03-01的股票价格数据。

阿里云-虚拟数字人

阿里云-虚拟数字人是什么？ ...

查看详情

如果您想同时从多个代码中提取数据，请以空格分隔的字符串形式提供代码。

转换数据进行分析

Date 是数据集的索引，而不是上面示例中数据集的列。在对其执行任何数据分析之前，必须将此索引转换为列。下面是如何做到这一点 -

示例

以下程序将列名称添加到开始日期和结束日期之间的股票数据中 -

import yfinance as yf

# giving the start and end dates
startDate = '2015-03-01'
endDate = '2017-03-01'

# setting the ticker value
ticker = 'GOOGL'

# downloading the data of the ticker value between
# the start and end dates
resultData = yf.download(ticker, startDate, endDate)

# Setting date as index
resultData["Date"] = resultData.index

# Giving column names
resultData = resultData[["Date", "Open", "High","Low", "Close", "Adj Close", "Volume"]]

# Resetting the index values
resultData.reset_index(drop=True, inplace=True)

# getting the first 5 rows of the data
print(resultData.head())

登录后复制

输出

执行时，上述程序将生成以下输出 -

[*********************100%***********************] 1 of 1 completed
   Date      Open       High     Low       Close     Adj Close  Volume

0 2015-03-02 28.350000 28.799500 28.157499 28.750999 28.750999 50406000
1 2015-03-03 28.817499 29.042500 28.525000 28.939501 28.939501 50526000
2 2015-03-04 28.848499 29.081499 28.625999 28.916500 28.916500 37964000
3 2015-03-05 28.981001 29.160000 28.911501 29.071501 29.071501 35918000
4 2015-03-06 29.100000 29.139000 28.603001 28.645000 28.645000 37592000

登录后复制

以上转换后的数据与我们从雅虎财经获取的数据是相同的

将获取的数据存储在CSV文件中

to_csv()方法可用于将DataFrame对象导出到CSV文件。以下代码将帮助您导出CSV文件中的数据，因为上面转换的数据已经在pandas 数据框。

# importing yfinance module with an alias name
import yfinance as yf

# giving the start and end dates
startDate = '2015-03-01'
endDate = '2017-03-01'

# setting the ticker value
ticker = 'GOOGL'

# downloading the data of the ticker value between
# the start and end dates
resultData = yf.download(ticker, startDate, endDate)

# printing the last 5 rows of the data
print(resultData.tail())

# exporting/converting the above data to a CSV file
resultData.to_csv("outputGOOGL.csv")

登录后复制

输出

执行时，上述程序将生成以下输出 -

[*********************100%***********************] 1 of 1 completed
            Open      High     Low       Close     Adj Close  Volume

Date
2017-02-22 42.400002 42.689499 42.335499 42.568001 42.568001 24488000
2017-02-23 42.554001 42.631001 42.125000 42.549999 42.549999 27734000
2017-02-24 42.382500 42.417999 42.147999 42.390499 42.390499 26924000
2017-02-27 42.247501 42.533501 42.150501 42.483501 42.483501 20206000
2017-02-28 42.367500 42.441502 42.071999 42.246498 42.246498 27662000

登录后复制