如何使用python获取免费的股票行情数据？使用Baostock的API获取股票数据

数据？使用Baostock的API获取股票数据"/>

如何使用python获取免费的股票行情数据？使用Baostock的API获取股票数据

如何获取免费的股票行情数据？

内容摘要：使用Baostock的API获取股票行情数据；格式化获得的股票行情数据。

1.导入必要的模块

关键模块是： ①numpy、pandas:用来处理数据 ②baostock：用来获取股票数据

# 处理数据
import numpy as np
import pandas as pd# 获取股票数据
import baostock as bs

2.获取股票数据

我们利用baostock获取股票数据。为什么用baostock，而不用tushare?

因为baostock是一个免费、开源的证券数据平台（无需注册）。 提供大量准确、完整的证券历史行情数据、上市公司财务数据等。 通过python API获取证券数据信息，满足量化交易投资者、数量金融爱好者、计量经济从业者数据需求。

• 返回的数据格式：
• pandas DataFrame类型，以便于用pandas/NumPy/Matplotlib进行数据分析和可视化。
• 同时支持通过BaoStock的数据存储功能，将数据全部保存到本地后进行分析。
• 支持语言：目前版本BaoStock目前只支持Python3.5及以上(暂不支持python 2.x)。

下载安装 方式1： pip install baostock 使用国内源安装：

pip install baostock -i / --trusted-host pypi.tuna.tsinghua.edu

方式2：访问  下载安装

python setup.py install或pip install xxx.whl

baostock的数据范围

股票数据

• 日、周、月K线数据，时间范围：1990-12-19至今。
• 5、15、30、60分钟K线数据，时间范围：1999-07-26至今。

指数数据

• 日、周、月K线已经包含指数：综合指数，规模指数，一级行业指数，二级行业指数，策略指数，成长指数，价值指数，主题指数，基金指数，债券指数。
• 时间范围：2006-01-01至今。

季频财务数据

• 已经包含的财务数据：部分上市公司资产负债信息、上市公司现金流量信息、上市公司利润信息、上市公司杜邦指标信息。
• 时间范围：2007年至今。

季频公司报告

• 上市公司业绩预告信息，时间范围：2003年至今。
• 上市公司业绩快报信息，时间范围：2006年至今。

我们把获取数据的相关代码，封装成函数，以方便重复调用。

函数的参数，分别为股票代码、数据开始时间、数据结束时间以及频率。 默认获取的数据项为：

date,code,open,high,low,close,volume

相关代码如下：

# 获取股票数据，并将数据规范化def get_data(code="sh.600000", start_date="2020-06-01", end_date="2021-03-26", frequency="d"
):#### 登陆baostock系统 ####lg = bs.login()# 显示登陆返回信息print("登录响应代码:" + lg.error_code)print("登录响应信息:" + lg.error_msg)data = bs.query_history_k_data_plus(code,fields="date,code,open,high,low,close,volume",start_date=start_date,end_date=end_date,frequency="d",adjustflag="3",)data_list = []while (data.error_code == "0") & data.next():# 获取一条记录，将记录合并在一起data_list.append(data.get_row_data())# 转为dataframeresult = pd.DataFrame(data_list, columns=data.fields)# 警惕：数据全是字符串：<class 'str'># 把字符串转为数值result.open = result.open.astype("float64").round(2)result.close = result.close.astype("float64").round(2)result.high = result.high.astype("float64").round(2)result.low = result.low.astype("float64").round(2)result.volume = result.volume.astype("int")# date列转为时间类型result.date = pd.DatetimeIndex(result.date)# dataframe规范化data2 = pd.DataFrame({"open": result["open"].values,"close": result["close"].values,"high": result["high"].values,"low": result["low"].values,"volume": result["volume"].values,},index=result["date"].values)#### 登出系统 ####bs.logout()return data2

这里有几点，需要特别注意的。

1. 使用baostock获取数据前，需要先登录。
2. baostock不能直接返回dataframe类型的数据，需要进行相应处理，并转化。
3. baostock获取的数据，都是字符串类型的。如：open 的值的类型是：<class 'str'>。因此需要将其转换为float64等类型。

比如，我们要获取格力电器的日线数据： 格力电器的代码是：000651。属于深交所的股票，因此在其代码前加sz.,即sz.000651

data1 = get_data(code="sz.000651", start_date="2020-06-01", end_date="2021-03-26", frequency="d")

             open  close   high    low    volume
2020-06-01  57.51  57.97  58.26  57.19  57925071
2020-06-02  58.88  58.09  58.98  57.71  46837490
2020-06-03  58.10  58.02  58.49  57.51  45819960
2020-06-04  58.60  59.65  59.69  58.40  65622849
2020-06-05  60.00  60.17  61.01  59.89  58536642
...           ...    ...    ...    ...       ...
2021-03-22  60.05  60.94  61.19  59.60  39575697
2021-03-23  60.85  61.41  62.00  60.28  38481259
2021-03-24  61.40  61.35  62.00  61.07  32399326
2021-03-25  60.86  61.38  61.63  60.70  25338726
2021-03-26  62.60  61.62  62.93  61.18  37839591[201 rows x 5 columns]

又如，我们要获取中国平安的1小时数据： 中国平安的代码是：601318。属于上交所的股票，因此在其代码前加sh.,即sh.601318

data2 = get_data(code="sh.601318", start_date="2020-06-01", end_date="2021-03-26", frequency="60m")

             open  close   high    low    volume
2020-06-01  71.40  72.16  72.23  71.23  45767284
2020-06-02  72.02  74.28  74.53  72.01  81052327
2020-06-03  75.00  75.01  76.69  75.00  99148840
2020-06-04  75.42  75.14  75.71  74.58  45388022
2020-06-05  75.14  75.30  75.44  74.40  34980754
...           ...    ...    ...    ...       ...
2021-03-22  79.99  79.82  80.27  79.53  54273091
2021-03-23  79.89  80.05  80.60  79.12  51116947
2021-03-24  79.99  79.01  80.30  78.71  63315814
2021-03-25  79.23  79.20  79.66  78.99  43650615
2021-03-26  79.58  80.01  80.30  79.56  45348477[201 rows x 5 columns]

我们成功地获取了股票的数据，数据是量化交易的基础，有了数据，我们就可以愉快地进行数据分析了！

3.全部代码如下：

# 处理数据
import numpy as np
import pandas as pd
# 获取股票数据
import baostock as bs# 获取股票数据，并将数据规范化
def get_data(code="sh.600000", start_date="2020-06-01", end_date="2021-03-26", frequency="d"
):#### 登陆baostock系统 ####lg = bs.login()# 显示登陆返回信息print("登录响应代码:" + lg.error_code)print("登录响应信息:" + lg.error_msg)data = bs.query_history_k_data_plus(code,fields="date,code,open,high,low,close,volume",start_date=start_date,end_date=end_date,frequency="d",adjustflag="3",)data_list = []while (data.error_code == "0") & data.next():# 获取一条记录，将记录合并在一起data_list.append(data.get_row_data())# 转为dataframeresult = pd.DataFrame(data_list, columns=data.fields)# 警惕：数据全是字符串：<class 'str'># 把字符串转为数值result.open = result.open.astype("float64").round(2)result.close = result.close.astype("float64").round(2)result.high = result.high.astype("float64").round(2)result.low = result.low.astype("float64").round(2)result.volume = result.volume.astype("int")# date列转为时间类型result.date = pd.DatetimeIndex(result.date)# dataframe规范化data2 = pd.DataFrame({"open": result["open"].values,"close": result["close"].values,"high": result["high"].values,"low": result["low"].values,"volume": result["volume"].values,},index=result["date"].values)#### 登出系统 ####bs.logout()return data2# 获取格力电器的日线数据
data1 = get_data(code="sz.000651", start_date="2020-06-01", end_date="2021-03-26", frequency="d")
print(data1)
# 获取中国平安的1小时数据
data2 = get_data(code="sh.601318", start_date="2020-06-01", end_date="2021-03-26", frequency="60m")
print(data2)print('执行完毕！')