量化交易之股票數據的獲取——Pandas API接口

前言

Pandas庫提供了專門從財經網站獲取金融數據的API接口，可做爲量化交易股票數據獲取的另外一種途徑，該接口在urllib3庫基礎上實現了以客戶端身份訪問網站的股票數據。須要注意的是目前模塊已經遷徙到pandas-datareader包中，所以導入模塊時須要由import pandas.io.data as web更改成import pandas_datareader.data as web。

---

DataReader方法介紹

查看Pandas的手冊能夠發現，第一個參數爲股票代碼，蘋果公司的代碼爲"AAPL"，國內股市採用的輸入方式「股票代碼」+「對應股市」，上證股票在股票代碼後面加上「.SS」，深圳股票在股票代碼後面加上「.SZ」。DataReader可從多個金融網站獲取到股票數據，如「Yahoo! Finance」 、「Google Finance」等，這裏以Yahoo爲例。第3、四個參數爲股票數據的起始時間斷。返回的數據格式爲DataFrame。

start = datetime.datetime(2017,1,1)#獲取數據的時間段-起始時間
end = datetime.date.today()#獲取數據的時間段-結束時間
stock = web.DataReader("600797.SS", "yahoo", start, end)#獲取浙大網新2017年1月1日至今的股票數據

---

數據分析

一、打印DataFrame數據前5行和尾部倒數5行（浙大網新因重大事件停牌至1月6日開始復牌）

print stock.head(5)
print stock.tail(5)

二、打印DataFrame數據索引和列名，索引爲時間序列，列信息爲開盤價、最高價、最低價、收盤價、復權收盤價、成交量

print stock.index
print stock.columns

三、打印DataFrame數據形狀，index長度爲248，columns數爲6，即248個交易日，6項股票數據

print stock.shape

四、打印DataFrame數據查看數據是否有缺失，以及每列數據的類型

print stock.info()

五、打印DataFrame數據每組的統計狀況，如最小值、最大值、均值、標準差等

print stock.describe()

六、DataFrame數據中增長漲/跌幅列，漲/跌=（當日Close-上一日Close）/上一日Close*100%

（1）添加一列change，存儲當日股票價格與前一日收盤價格相比的漲跌數值，即當日Close價格與上一日Close的差值，1月3日這天無上一日數據，所以出現缺失

change = stock.Close.diff()
stock['Change'] = change
print stock.head(5)

（2）對缺失的數據用漲跌值的均值就地替代NaN。

change.fillna(change.mean(),inplace=True)

（3）計算漲跌幅度有兩種方法，pct_change()算法的思想便是第二項開始向前作減法後再除以第一項，計算獲得漲跌幅序列。

stock['pct_change'] = (stock['Change'] /stock['Close'].shift(1))#
stock['pct_change1'] = stock.Close.pct_change()

七、DataFrame數據中增長跳空缺口數值序列，這裏定義的缺口爲上漲趨勢和下跌趨勢中的突破缺口，上漲趨勢中今天的最低價高於昨天收盤價爲向上跳空，下跌趨勢中昨天收盤價高於今天最高價爲向下跳空。遍歷每一個交易往後將符合跳空缺口條件的交易日增長缺口數值。

jump_pd = pd.DataFrame()
for kl_index in np.arange(1, stock.shape[0]):
today = stock.ix[kl_index]
yesday = stock.ix[kl_index-1]
today['preCloae'] = yesday.Close   
    if today['pct_change'] > 0 and (today.Low-today['preCloae']) > 0:
        today['jump_power'] = (today.Low-today['preCloae'])
    elif  today['pct_change'] < 0 and (today.High-today['preCloae']) < 0:
        today['jump_power'] = (today.High-today['preCloae'])
    jump_pd = jump_pd.append(today)        
    stock['jump_power'] = jump_pd['jump_power']
    print stock.loc["2017-04-26":"2017-06-15"]#默認打印所有列

八、DataFrame數據保留兩位小數顯示

format = lambda x: '%.2f' % x
stock = stock.applymap(format)
print stock.loc["2017-04-26":"2017-06-15"]#默認打印所有列

更多python量化交易內容互動請加微信公衆號：PythonQT-YuanXiao
歡迎訂閱量化交易課程： 連接地址