有没有办法从雅虎财经或谷歌财经(csv格式)自动下载股票的历史价格?最好在 Python 中。
6 回答
当你要在 Python 中处理这样的时间序列时,pandas
是必不可少的。好消息是:它带有一个雅虎历史数据下载器:pandas.io.data.DataReader
.
from pandas.io.data import DataReader
from datetime import datetime
ibm = DataReader('IBM', 'yahoo', datetime(2000, 1, 1), datetime(2012, 1, 1))
print(ibm['Adj Close'])
pandas >= 0.19 的更新:
该pandas.io.data
模块已被删除pandas>=0.19
。相反,您应该使用单独的pandas-datareader
包。安装:
pip install pandas-datareader
然后你可以在 Python 中做到这一点:
import pandas_datareader as pdr
from datetime import datetime
ibm = pdr.get_data_yahoo(symbols='IBM', start=datetime(2000, 1, 1), end=datetime(2012, 1, 1))
print(ibm['Adj Close'])
简短的回答:是的。使用 Python 的urllib拉取您想要的股票的历史数据页面。与雅虎一起去!金融; 谷歌既不太可靠,数据覆盖范围也较小,而且一旦拥有它,对如何使用它的限制就更加严格。另外,我相信谷歌明确禁止你在他们的服务条款中抓取数据。
更长的答案:这是我用来提取特定公司所有历史数据的脚本。它提取特定股票代码的历史数据页面,然后将其保存到由该代码命名的 csv 文件中。您必须提供自己想要提取的股票代码列表。
import urllib
base_url = "http://ichart.finance.yahoo.com/table.csv?s="
def make_url(ticker_symbol):
return base_url + ticker_symbol
output_path = "C:/path/to/output/directory"
def make_filename(ticker_symbol, directory="S&P"):
return output_path + "/" + directory + "/" + ticker_symbol + ".csv"
def pull_historical_data(ticker_symbol, directory="S&P"):
try:
urllib.urlretrieve(make_url(ticker_symbol), make_filename(ticker_symbol, directory))
except urllib.ContentTooShortError as e:
outfile = open(make_filename(ticker_symbol, directory), "w")
outfile.write(e.content)
outfile.close()
用实际演示扩展@Def_Os 的答案......
正如@Def_Os 已经说过的那样——使用Pandas Datareader使这项任务变得非常有趣
In [12]: from pandas_datareader import data
提取所有可用的历史数据以AAPL
从1980-01-01
#In [13]: aapl = data.DataReader('AAPL', 'yahoo', '1980-01-01')
# yahoo api is inconsistent for getting historical data, please use google instead.
In [13]: aapl = data.DataReader('AAPL', 'google', '1980-01-01')
前 5 行
In [14]: aapl.head()
Out[14]:
Open High Low Close Volume Adj Close
Date
1980-12-12 28.750000 28.875000 28.750 28.750 117258400 0.431358
1980-12-15 27.375001 27.375001 27.250 27.250 43971200 0.408852
1980-12-16 25.375000 25.375000 25.250 25.250 26432000 0.378845
1980-12-17 25.875000 25.999999 25.875 25.875 21610400 0.388222
1980-12-18 26.625000 26.750000 26.625 26.625 18362400 0.399475
最后 5 行
In [15]: aapl.tail()
Out[15]:
Open High Low Close Volume Adj Close
Date
2016-06-07 99.250000 99.870003 98.959999 99.029999 22366400 99.029999
2016-06-08 99.019997 99.559998 98.680000 98.940002 20812700 98.940002
2016-06-09 98.500000 99.989998 98.459999 99.650002 26419600 99.650002
2016-06-10 98.529999 99.349998 98.480003 98.830002 31462100 98.830002
2016-06-13 98.690002 99.120003 97.099998 97.339996 37612900 97.339996
将所有数据保存为 CSV 文件
In [16]: aapl.to_csv('d:/temp/aapl_data.csv')
d:/temp/aapl_data.csv - 5 第一行
Date,Open,High,Low,Close,Volume,Adj Close
1980-12-12,28.75,28.875,28.75,28.75,117258400,0.431358
1980-12-15,27.375001,27.375001,27.25,27.25,43971200,0.408852
1980-12-16,25.375,25.375,25.25,25.25,26432000,0.378845
1980-12-17,25.875,25.999999,25.875,25.875,21610400,0.38822199999999996
1980-12-18,26.625,26.75,26.625,26.625,18362400,0.399475
...
Python 中已经有一个名为 yahoo_finance 的库,因此您需要先使用以下命令行下载该库:
sudo pip install yahoo_finance
然后,一旦您安装了 yahoo_finance 库,下面的示例代码将从 Yahoo Finance 下载您需要的数据:
#!/usr/bin/python
import yahoo_finance
import pandas as pd
symbol = yahoo_finance.Share("GOOG")
google_data = symbol.get_historical("1999-01-01", "2016-06-30")
google_df = pd.DataFrame(google_data)
# Output data into CSV
google_df.to_csv("/home/username/google_stock_data.csv")
这应该这样做。让我知道它是否有效。
更新:不再支持 yahoo_finance 库。
您可以查看 yahoo_fin 包。它最初是在 Yahoo Finance 更改其 API 后创建的(文档在此处:http ://theautomatic.net/yahoo_fin-documentation )。
from yahoo_fin import stock_info as si
aapl_data = si.get_data("aapl")
nflx_data = si.get_data("nflx")
aapl_data.head()
nflx_data.head()
aapl_data.to_csv("aapl_data.csv")
nflx_data.to_csv("nflx_data.csv")