tushare实时行情,tushare 资金流向
1.介绍Tushare是一个免费、开源的python财经数据接口包。的流程，主要实现股票从数据采集，清洗加工到数据存储的财务数据。它可以为财务分析师提供快速、整洁、多样且易于分析的数据，大大减轻他们在数据获取方面的工作量，使他们更专注于策略和模型的研究和实施。考虑到Python熊猫包在金融量化分析方面的优势，Tushare返回的数据格式大多是熊猫DataFrame类型，用pandas/NumPy/Matplotlib进行数据分析和可视化非常方便。当然，如果你习惯使用Excel或者关系数据库进行分析，也可以通过Tushare的数据存储功能，将所有数据保存在本地进行分析。应部分用户要求，从0.2.5版本开始，Tushare同时兼容Python 2.x和Python 3.x，重构了部分代码，优化了部分算法，保证数据采集高效稳定。
需要强调的是TuShare库里不仅仅有股票数据，而是一个综合的财经库。只是股票数据的数据量很大，尤其是数据分析的能力，所以我选择股票数据来练习。剩下的数据也很有意思，比如全国票房排名。
使用前提
还需要安装Python和pandaslxml。正常情况下，不需要单独安装Anaconda。如果不可执行：pip install lxml建议安装Anaconda(http://www . continuum . io/downloads)。一次安装包含Python环境和所有依赖包，以降低出现问题的概率。
下载安装
方法1: pip安装tushare方法2:访问https://pypi.python.org/pypi/Tushare/下载并安装
版本升级
pip安装tushare -升级查看当前版本的方法：
导入tushareprint(tushare。__版本_ _)
二。Tushare 1的应用。概念1.K线: K线起源于日本德川幕府时代。因为图形像蜡烛，所以又叫蜡烛图，日本线。K线是代表这一天股票的开盘价，收盘价，最高价和最低价。
2.均线：均线一般分为5 (MA5)，10 (MA10)，20 (MA20)，30 (MA30)，60 (MA60)，120 (MA120)和250 (MA250)，它指的是在这些天里这个股票收盘的平均价格。
2.获取股市的功能。主要应该掌握如何用tushare，使用的是ts.get_hist_data()函数或者ts.get_k_data（）函数获取股市数据
参数：
代码：股票代码，即6位数字代码，或指数代码(sh=上证指数sz=深证成指hs300=沪深300指数sz50=SSE 50 zxb=中小板cyb=GEM)开始：开始日期，格式YYYY-MM-DDend:结束日期，格式YYY-MM-DDKType:数据类型，D=日k线W=周M=月5=5分钟15=15分钟30=30分钟60=60分钟，默认为dre
描述：日期：日期开盘：开盘价高：最高价收盘：收盘价低：最低价成交量：成交量价格变化：价格变化p变化：涨跌Ma5: 5日平均Ma10: 10日平均ma20:20日平均v_ma5:5日平均v_ma10:10日平均v_ma20:20
3.case import panda as PD import numpy as NP从panda import DataFrame，series import tushare as ts #获取k线数据并加载到数据帧df=ts.get_k_data(600519 ，Start= 2000-01-01 )# maotai df . head()#将从tushare获取的数据存储到本地df.to_csv(。/maotai.csv)#将原始数据中的时间作为行索引，将字符串类型的时间序列化为时间对象类型# index_col参数：将col的一列作为行索引index# parse_dates:将字符串类型的时间序列化为时间对象类型df=pd.read _ csv(。/maotai.csv ，index _ col= date ，parse _ dates=[ date ])df . drop(labels= Unnamed:0 ，axis=1，In=true) df。head () #分析1:输出该股所有收盘日较开盘上涨3%以上#得到合格线指数df。loc[(df[ close ]-df[ open ])/df[ open ]0.03]。索引# 2。分析：输出股票开盘价较前一日收盘价df下跌超过2%的所有日期。loc [(df [open]-df [close]。shift (1)=-0.02]。指数#分析3:如果我从2010年1月开始，我在每年的最后一个交易日卖出所有股票。到目前为止，我的收入是多少？price _ last=df[ open ][-1]df=df[ 2010-01 : 2019-01 ]#消除首尾无用数据# Pandas提供重采样功能，以方便的方式对时间序列进行重采样，根据时间粒度的增减，可分为降采样和升采样：df _ monthly=df。重采样( m )。first () #获取行数据df _ yearly=df。重新取样( y )。last () [:-1] #获取每年最后一个交易日对应的行数据，去掉上一年的cost_money=0hold=0 #年度股票在范围内(2010，2020):cost _ money-=df _ monthly . loc[str(year)][ open ]。sum()* 100 hold=len(df _ monthly[str(year)][ open ])* 100 if year！=2019:cost _ money=df _ year[str(year)][ open ][0]* hold hold=0 #年度股票cost _ money=hold * price _ last print(cost _ money)
4.双均线策略概念
金叉:表示短期均线向上穿越中期或长期均线，交点为金叉，应该买入。死叉:表示短期均线向下穿越中期或长期均线。交点是死叉，应该卖出。其他指标等等。
如果我从2010年1月1日开始，初始资金10万，我尽力买入金叉，卖出所有死叉，那么我到目前为止的股市收益率是多少？(双移动平均策略) import tushare as ts import pandas as PD import numpy as NP from pandas import data frame，series #要获取k线数据，在DataFrame #中加载df=ts.get _ k _ data (600519 ，start= 2000-01-01 )将从tu share获取的数据存储到本地df.to_csv(。/maotai.csv)#将原始数据中的时间作为行索引，将字符串类型的时间序列化为时间对象类型# index_col参数：将col的一列作为行索引index# parse_dates:将字符串类型的时间序列化为时间对象类型df=pd.read _ csv(。/maotai.csv ，index _ col= date ，parse _ dates=[ date ])df . drop(labels= Unnamed:0 ，axis=1，In=true) #获取所需数据df=df[2010:2019] #计算平均值ma5=df [close]。滚动(5)。Mean () # 5日平均线ma30=df [收盘]。滚动(30)。平均
#金叉和死叉图的计算
gold=df.loc[~(s1 s2.shift(1))].索引号金叉dead=df.loc[s1s2.shift(1)].索引号死叉# 计算出结果first _ money=100000 money=first _ money hold=0 #持有多少股sr1=系列(1,指数=黄金)#把所有金叉点组成一个行索引为金叉日期，值为一的系列数组sr2=系列(0,索引=死)#把所有死叉点组成一个行索引为死叉日期，值为0的系列数组# 合并金叉死叉，并根据时间排序sr=sr1.append(sr2).sort_index()for i in range(0，len(Sr)):p=df[ open ][Sr . index[I]]# Sr . index取到系列索引高级索引[我]，第我个索引if sr.iloc[i]==1: #金叉buy=(money//(100 * p))hold=buy * 100 money-=buy * 100 * p else:money=hold * p hold=0p=df[ open ][-1]now _ money=hold * p money print(now _ money-first _ money)
转载于：https://www。cnblogs。com/Zzbj/p/10413981。超文本标记语言
郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。