股票日线数据下载——从零到实盘3「终于解决」-日线数据下载app

股票日线数据下载——从零到实盘3「终于解决」前文介绍了从BaoStock下载股票代码，本文记录利用这些股票代码下载股票日线数据的过程。源代码参考前文，新建源文件，新文件命名为download_data_v2.py，源代码如下：importbaostockasbsimportdatetimeimportsys”’功能：返回指定日期的A股代码列表若参数date为空，则返回最近1个交易日的A股代码列表若参数date不为空，且为交易日，则返回date当日的A股代码列表若参数date不为空，但不为交易日，则打印提示非交易日.

前文介绍了从BaoStock下载股票代码，本文记录利用这些股票代码下载股票日线数据的过程。

主要代码分析

参考前文，新建源文件，新文件命名为data_center_v2.py，全部内容见文末，v2比v1新增了函数create_data：

def create_data(stock_codes, from_date='1990-12-19', to_date=datetime.date.today().strftime('%Y-%m-%d'), adjustflag='2'):

是否还在为Ide开发工具频繁失效而烦恼，来吧关注以下公众号获取最新激活方式。亲测可用！

为防止网络爬虫，请关注公众号回复”口令”

激活idea 激活CLion DataGrip DataSpell dotCover dotMemory dotTrace GoLand PhpStorm PyCharm ReSharper ReShaC++ Rider RubyMine WebStorm 全家桶 解锁下载刷新

【正版授权，激活自己账号】：Jetbrains全家桶Ide使用，1年售后保障，每天仅需1毛

【官方授权 正版激活】：官方授权 正版激活 自己使用，支持Jetbrains家族下所有IDE…

该函数用于下载指定日期内，指定股票的日线数据。其中:

参数stock_codes为待下载数据的股票代码 参数from_date为日线开始日期，默认为1990-12-19 参数to_date为日线结束日期，默认为函数调用当日 参数adjustflag为复权选项，为1时表示后复权，为2时表示前复权，为3时表示不复权，默认为前复权 返回值为空

    for code in stock_codes:

下载股票循环。

        bs.login()

登录BaoStock，每次从BaoStock查询数据前，都需要先登录。

        out_df = bs.query_history_k_data_plus(code, g_baostock_data_fields, start_date=from_date, end_date=to_date,                                              frequency='d', adjustflag=adjustflag).get_data()

调用BaoStock的query_history_k_data_plus函数，该函数官方文档说明如下：

方法说明：通过API接口获取A股历史交易数据，可以通过参数设置获取日k线、周k线、月k线，以及5分钟、15分钟、30分钟和60分钟k线数据，适合搭配均线数据进行选股和分析。
返回类型：pandas的DataFrame类型。
能获取1990-12-19至当前时间的数据；
可查询不复权、前复权、后复权数据。

这里我们定义了全局变量g_baostock_data_fields来记录需要下载的日线数据字段：

g_baostock_data_fields = 'date,open,high,low,close,preclose,volume,amount,adjustflag,turn,tradestatus,pctChg,peTTM,pbMRQ, psTTM,pcfNcfTTM,isST'

更多说明参见可参考官方链接。

将下载数据转为DataFrame。同query_all_stock函数一样，query_history_k_data_plus的返回值类型也是<class ‘baostock.data.resultset.ResultData’>，而非DataFrame，也通过get_data函数返回DataFrame类型的数据。

        bs.logout()

注销BaoStock登录。

        if out_df.shape[0]:            out_df = out_df[(out_df['volume'] != '0') & (out_df['volume'] != '')]

剔除停盘数据并打印最终下载数据结果。在回测过程中，通常不需要停盘数据对回测造成干扰，这里选择直接将这些数据删除。当out_df不为空时，筛选出成交量为非’0’或者空字符’’的行，即剔除了停盘数据。这里需要注意的是，从BaoStock下载的日线数据元素类型均为object，因此这里要使用str类型’0’作判断，而非整形0。
以603016新宏泰为例，该股票在2017-12-21至2017-12-28停盘，我们截取2017-12-20至2017-12-29之间的数据打印，只选择打印列date、open、close、volume

print(out_df[(out_df['date'] >= '2017-12-20') & (out_df['date'] <= '2017-12-29')][['date', 'open', 'close', 'volume']]) # test code

打印结果为：

          date           open          close  volume360  2017-12-20  37.2596538300  37.0382545500  438502367  2017-12-29  33.3390415800  33.3390415800  101000

如果不剔除停盘数据，打印结果为：

           date           open          close  volume360  2017-12-20  37.2596538300  37.0382545500  438502361  2017-12-21  37.0382545500  37.0382545500       0362  2017-12-22  37.0382545500  37.0382545500       0363  2017-12-25  37.0382545500  37.0382545500       0364  2017-12-26  37.0382545500  37.0382545500       0365  2017-12-27  37.0382545500  37.0382545500       0366  2017-12-28  37.0382545500  37.0382545500       0367  2017-12-29  33.3390415800  33.3390415800  101000

可以看到，2017-12-21至2017-12-28停盘期间volume的值均为’0’（也有时空字符’’的情况），open、close值与停盘前相同（low、high与停盘前也相同）。在后续使用数据时，如果不剔除停盘数据，这些点需要注意。

小结

至此，程序能够打印下载的所有数据。data_center_v2.py是一个临时版本，不需要等待程序都执行完毕，只要确保程序能正常运行即可。这里只对数据进行了打印，没有存储数据，后续会使用下载的数据计算扩展指标，改为多进程，最后再将数据存入MySQL。

---

data_center_v2.py的全部代码如下：

import baostock as bsimport datetimeimport sys# BaoStock日线数据字段g_baostock_data_fields = 'date,open,high,low,close,preclose,volume,amount,adjustflag,turn,tradestatus,pctChg,peTTM,pbMRQ, psTTM,pcfNcfTTM,isST'def get_stock_codes(date=None):""" 获取指定日期的A股代码列表 若参数date为空，则返回最近1个交易日的A股代码列表 若参数date不为空，且为交易日，则返回date当日的A股代码列表 若参数date不为空，但不为交易日，则打印提示非交易日信息，程序退出 :param date: 日期 :return: A股代码的列表 """# 登录baostockbs.login()# 从BaoStock查询股票数据stock_df = bs.query_all_stock(date).get_data()# 如果获取数据长度为0，表示日期date非交易日if 0 == len(stock_df):# 如果设置了参数date，则打印信息提示date为非交易日if date is not None:print('当前选择日期为非交易日或尚无交易数据，请设置date为历史某交易日日期')sys.exit(0)# 未设置参数date，则向历史查找最近的交易日，当获取股票数据长度非0时，即找到最近交易日delta = 1while 0 == len(stock_df):stock_df = bs.query_all_stock(datetime.date.today() - datetime.timedelta(days=delta)).get_data()delta += 1# 注销登录bs.logout()# 筛选股票数据，上证和深证股票代码在sh.600000与sz.39900之间stock_df = stock_df[(stock_df['code'] >= 'sh.600000') & (stock_df['code'] < 'sz.399000')]# 返回股票列表return stock_df['code'].tolist()def create_data(stock_codes, from_date='1990-12-19', to_date=datetime.date.today().strftime('%Y-%m-%d'), adjustflag='2'):""" 下载指定日期内，指定股票的日线数据 :param stock_codes: 待下载数据的股票代码 :param from_date: 日线开始日期 :param to_date: 日线结束日期 :param adjustflag: 复权选项 1：后复权 2：前复权 3：不复权 默认为前复权 :return: None """# 下载股票循环for code in stock_codes:print('正在下载{}...'.format(code))# 登录BaoStockbs.login()# 下载日线数据out_df = bs.query_history_k_data_plus(code, g_baostock_data_fields, start_date=from_date, end_date=to_date,frequency='d', adjustflag=adjustflag).get_data()# 注销登录bs.logout()# 剔除停盘数据if out_df.shape[0]:out_df = out_df[(out_df['volume'] != '0') & (out_df['volume'] != '')]print(out_df)if __name__ == '__main__':stock_codes = get_stock_codes()create_data(stock_codes)

---

博客内容只用于交流学习，不构成投资建议，盈亏自负！
个人博客：https://coderx.com.cn/（优先更新）
欢迎大家转发、留言。已建微信群用于学习交流，群1已满，群2已创建，感兴趣的读者请扫码加微信！