1

我每天都会提取大量股票和 ETF 的历史数据。Quandl 对美国股票有很好的免费报道，但他们没有 ETF 的历史数据，所以我使用 Google API 作为 Quandl 的备份。

最近的谷歌金融“革新”并没有给我留下一个很好的选择，所以我试图将布拉德所罗门的工作（感谢布拉德，下面的链接）应用到符号列表中。鉴于他正在创建 URL，假设没有循环是不可能的。欢迎任何聪明的想法。

相关问题：为什么谷歌的 pandas_datareader 不起作用？

谢谢。

4

1 回答 1

1

在后台，pandas-datareader 循环遍历您传递的每个符号，并一个一个地发出 http 请求。

这是在基类中执行此操作的函数，与 google 和 yahoo 相关的类从中继承：base._DailyBaseReader._dl_mult_symbols.

神奇的是这些被附加到一个列表中，然后聚合成一个 pandas Panel。

但是，我要注意的是，Panel 已被弃用，您可以在具有 MultiIndex 的 DataFrame 中获得相同的功能，MultiIndex 结构在技术上是二维的，但在实践中复制了更高的维度。

所以，下面是你可以做的事情的准系统。 请注意，我跳过了包本身内嵌的许多功能，例如将字符串日期解析为日期时间。

import datetime
from io import StringIO

import requests
from pandas.io.common import urlencode
import pandas as pd

BASE = 'http://finance.google.com/finance/historical'


def get_params(sym, start, end):
    params = {
        'q': sym,
        'startdate': start.strftime('%Y/%m/%d'),
        'enddate': end.strftime('%Y/%m/%d'),
        'output': "csv"
    }
    return params


def build_url(sym, start, end):
    params = get_params(sym, start, end)
    return BASE + '?' + urlencode(params)


def get_one_data(sym, start=None, end=None):
    if not start:
        start = datetime.datetime(2010, 1, 1)
    if not end:
        end = datetime.datetime.today()
    url = build_url(sym, start, end)
    data = requests.get(url).text
    return pd.read_csv(StringIO(data), index_col='Date',
                       parse_dates=True).sort_index()


def get_multiple(sym, start=None, end=None, return_type='Panel'):
    if isinstance(sym, str):
        return get_one_data(sym, start=start, end=end)
    elif isinstance(sym, (list, tuple, set)):
        res = {}
        for s in sym:
            res[s] = get_one_data(s, start, end)
        # The actual module also implements a 'passed' and 'failed'
        #     check here and also using chunking to get around
        #     data retreival limits (I believe)

    if return_type.lower() == 'panel':
        return pd.Panel(res).swapaxes('items', 'minor')
    elif return_type.lower() == 'mi':  # MultiIndex DataFrame
        return pd.concat((res), axis=1)

一个例子：

syms = ['AAPL', 'GE']
data = get_multiple(syms, return_type='mi')

# Here's how you would filter down to Close prices
#   on MultiIndex columns
data.xs('Close', axis=1, level=1) 

              AAPL     GE
Date                     
2010-01-04   30.57  15.45
2010-01-05   30.63  15.53
2010-01-06   30.14  15.45
2010-01-07   30.08  16.25
2010-01-08   30.28  16.60
...
于 2017-12-04T23:58:20.540 回答