بهترین راه برای به دست آوردن داده های سهام با استفاده از پایتون چیست؟

در این مقاله بهترین راه برای به دست آوردن داده های سهام با استفاده از پایتون را یاد خواهیم گرفت.

از کتابخانه YFINANCE Python برای بازیابی داده های قیمت فعلی و تاریخی بازار سهام از Finance Yahoo استفاده می شود.

نصب مالی یاهو (YFINANCE)

یکی از بهترین سیستم عامل ها برای دستیابی به داده های بازار سهام ، Yahoo Finance است. فقط کافی است مجموعه داده را از وب سایت مالی یاهو بارگیری کرده و با استفاده از کتابخانه YFInance و برنامه نویسی پایتون به آن دسترسی پیدا کنید.

شما می توانید yfinance را با کمک پیپ نصب کنید ، تمام کاری که باید انجام دهید این است که سریع فرمان را باز کنید و نمایش دستور زیر را در نحو تایپ کنید:

نحو

پیپ نصب yfinance

بهترین قسمت در مورد کتابخانه Yfinance ، استفاده رایگان از آن است و هیچ کلید API برای آن لازم نیست

نحوه دریافت داده های فعلی قیمت سهام

ما باید یک سهام از سهام را پیدا کنیم که می توانیم برای استخراج داده ها استفاده کنیم. ما قیمت فعلی بازار و قیمت نزدیک قبلی Googl را در مثال زیر نشان خواهیم داد.

مثال

برنامه زیر ارزش بازار ، ارزش نزدیک قیمت قبلی ، ارزش تیک را با استفاده از ماژول yfinance باز می گرداند -

واردات yfinance as yf ticker = yf. ticker ('googl'). اطلاعات بازاریابی = تیک ['منظم marketprice'] قبلی tickerter = ticker ['منظم marketpreviousclose'] چاپ ("ارزش تیک: googl") چاپ ("ارزش بازار:" ، "،" ، ". MarketPrice) چاپ ("ارزش نزدیک قیمت قبلی:" ، قبلی CLOSEPRICE)

خروجی

در هنگام اجرای ، برنامه فوق بازده زیر را تولید می کند -

ارزش تیک: ارزش بازار GOOGL ارزش: 92. 83 ارزش نزدیک قیمت قبلی: 93. 71

نحوه دریافت داده های تاریخی قیمت سهام

با دادن تاریخ شروع ، تاریخ پایان و تیک ، می توانیم داده های کامل قیمت تاریخی را بدست آوریم.

مثال

برنامه زیر داده های قیمت سهام بین تاریخ شروع و پایان را برمی گرداند -

# وارد کردن بسته yfinance واردات yfinance را به عنوان yf # می دهد # شروع و پایان تاریخ شروع کار = '2015-03-01' enddate = '2017-03-01' # تنظیم مقدار تیک تیک تیک = 'googl' # بارگیری داده های داده هامقدار تیک بین # شروع و پایان تاریخ نتیجه dateData = yf. download (تیکر ، startdate ، enddate) # چاپ 5 ردیف آخر چاپ داده (resultdata. tail ())

خروجی

در هنگام اجرای ، برنامه فوق بازده زیر را تولید می کند -

[************************100%************************] 1 از1 تکمیل شده Open High Low Close Adj Close Volume Date 2017-02-22 42. 400002 42. 689499 42. 335499 42. 568001 42. 568001 24488000 24488000 2017-02-02-2017. 125000 42. 549999 42. 549999 27734000 2017-02-24 42. 382500 42. 417999 42. 147999 42. 390499 42. 3902024-42. 3902049 501 42. 53350142. 150501 42. 483501 42. 483501 20206000 2017-02-28 42. 367500 42. 441502 42. 071999 42. 246498 42. 206 42. 206

مثال بالا داده های قیمت سهام را از 01-03-2015 تا 2017-03-01 بازیابی می کند.

اگر می خواهید داده ها را همزمان از چند تیک بر استخراج کنید، علامت ها را به عنوان رشته ای جدا شده با فاصله ارائه کنید.

تبدیل داده ها برای تجزیه و تحلیل

تاریخ به جای ستونی در مثال بالا، شاخص مجموعه داده است. قبل از انجام هر گونه تجزیه و تحلیل داده روی آن، باید این شاخص را به یک ستون تبدیل کنید. در اینجا نحوه انجام آن آمده است -

مثال

برنامه زیر نام ستون ها را بین تاریخ شروع و پایان به داده های سهام اضافه می کند

وارد کردن yfinance به صورت yf # با دادن تاریخ شروع و پایان startDate = '2015-03-01' endDate = '2017-03-01' # تنظیم نشانگر مقدار نشانگر = 'GOOGL' # دانلود داده های مقدار تیک بین #تاریخ شروع و پایان resultData = yf. download(ticker, startDate, endDate) # تنظیم تاریخ به عنوان نمایه resultData["Date"] = resultData. index # دادن نام ستون resultData = resultData[["تاریخ"، "باز"، "بالا"""Low"، "Close"، "Adj Close"، "Volume"]] # بازنشانی مقادیر نمایه resultData. reset_index(drop=True، inplace=True) # دریافت 5 ردیف اول چاپ داده (resultData). سر())

خروجی

در هنگام اجرای ، برنامه فوق بازده زیر را تولید می کند -

[************************100%************************] 1 از1 تکمیل تاریخ باز کردن زیاد کم بستن Adj بستن حجم 0 2015-03-02 28. 350000 28. 799500 28. 157499 28. 750999 28. 750999 50406000 50406000 1 2015. 2015. 2015. 28. 525000 28. 939501 28. 939501 50526000 2 2015-03-04 28. 848499 29. 081499 28. 625999 28. 916510 28. 916510 28. 916500 28. 916500 28. 916500 28. 916500 28. 916500 28. 939500 28. 939500-05 28. 981001 29. 160000 28. 911501 29. 071501 29. 071501 35918000 4 2015-03-06 29. 100000 29. 1390000 29. 1390000 29. 13918000 29. 13918000 000 37592000

داده های تبدیل شده فوق و داده هایی که از Yahoo Finance به دست آوردیم یکسان هستند

ذخیره داده های به دست آمده در یک فایل CSV

از متد ()to_csv می توان برای صادر کردن یک شی DataFrame به یک فایل CSV استفاده کرد. کد زیر به شما کمک می کند داده ها را در یک فایل CSV صادر کنید زیرا داده های تبدیل شده در بالا از قبل در dataframe pandas هستند.

# وارد کردن ماژول yfinance با نام alias واردات yfinance به عنوان yf # دادن تاریخ شروع و پایان startdate = '2015-03-01' enddate = '2017-03-01' # تنظیم مقدار تیک تیک تیک تیک = 'googl' # بارگیری را بارگیری کنید. داده های مقدار تیک بین # شروع و پایان تاریخ نتیجه DateData = yf. download (تیکر ، startdate ، enddate) # چاپ 5 ردیف آخر چاپ داده (resultdata. tail ()) # صادر کردن/تبدیل داده های فوق به یکCSV File resultdata. to_csv ("outputgoogl. csv")

خروجی

در هنگام اجرای ، برنامه فوق بازده زیر را تولید می کند -

[************************100%************************] 1 از1 تکمیل شده Open High Low Close Adj Close Volume Date 2017-02-22 42. 400002 42. 689499 42. 335499 42. 568001 42. 568001 24488000 24488000 2017-02-02-2017. 125000 42. 549999 42. 549999 27734000 2017-02-24 42. 382500 42. 417999 42. 147999 42. 390499 42. 3902024-42. 3902049 501 42. 53350142. 150501 42. 483501 42. 483501 20206000 2017-02-28 42. 367500 42. 441502 42. 071999 42. 246498 42. 206 42. 206

تجسم داده ها

ماژول YFInance Python یکی از ساده ترین راه اندازی ، جمع آوری داده ها و انجام فعالیت های تجزیه و تحلیل داده ها با آن است. با استفاده از بسته هایی مانند Matplotlib ، Seabo یا Bokeh ، ممکن است نتایج را تجسم کرده و بینش های ضبط را ضبط کنید.

حتی می توانید از Pyscript برای نمایش این تجسم ها به طور مستقیم در یک صفحه وب استفاده کنید.

نتیجه

در این مقاله ، ما یاد گرفتیم که چگونه از ماژول YFInance Python برای به دست آوردن بهترین داده های سهام استفاده کنیم. علاوه بر این ، ما یاد گرفتیم که چگونه می توان تمام داده های سهام را برای دوره های مشخص ، نحوه انجام تجزیه و تحلیل داده ها با اضافه کردن شاخص ها و ستون های سفارشی و نحوه تبدیل این داده ها به یک پرونده CSV بدست آورد.