Python股票分析系列——数据整合.p7

Posted 2020-10-29 Xander Hang

欢迎来到Python for Finance教程系列的第7部分。 在之前的教程中，我们为整个标准普尔500强公司抓取了雅虎财经数据。 在本教程中，我们将把这些数据组合到一个DataFrame中。

到此为止的代码：

import bs4 as bs
import datetime as dt
import os
import pandas_datareader.data as web
import pickle
import requests


def save_sp500_tickers():
    resp = requests.get(‘http://en.wikipedia.org/wiki/List_of_S%26P_500_companies‘)
    soup = bs.BeautifulSoup(resp.text, ‘lxml‘)
    table = soup.find(‘table‘, {‘class‘: ‘wikitable sortable‘})
    tickers = []
    for row in table.findAll(‘tr‘)[1:]:
        ticker = row.findAll(‘td‘)[0].text
        tickers.append(ticker)
    with open("sp500tickers.pickle", "wb") as f:
        pickle.dump(tickers, f)
    return tickers


# save_sp500_tickers()
def get_data_from_yahoo(reload_sp500=False):
    if reload_sp500:
        tickers = save_sp500_tickers()
    else:
        with open("sp500tickers.pickle", "rb") as f:
            tickers = pickle.load(f)
    if not os.path.exists(‘stock_dfs‘):
        os.makedirs(‘stock_dfs‘)

    start = dt.datetime(2010, 1, 1)
    end = dt.datetime.now()
    for ticker in tickers:
        # just in case your connection breaks, we‘d like to save our progress!
        if not os.path.exists(‘stock_dfs/{}.csv‘.format(ticker)):
            df = web.DataReader(ticker, ‘morningstar‘, start, end)
            df.reset_index(inplace=True)
            df.set_index("Date", inplace=True)
            df = df.drop("Symbol", axis=1)
            df.to_csv(‘stock_dfs/{}.csv‘.format(ticker))
        else:
            print(‘Already have {}‘.format(ticker))


get_data_from_yahoo()

尽管我们掌握了所有数据，但我们可能想要一起评估数据。为此，我们将把所有的股票数据集合在一起。目前的每个股票文件都有：开盘价，最高价，最低价，收盘价，成交量和调整收盘价。至少要开始，我们现在大多只对调整后的收盘感兴趣。

def compile_data():
    with open("sp500tickers.pickle","rb") as f:
        tickers = pickle.load(f)

    main_df = pd.DataFrame()

 首先，我们拉取我们之前制作的代码列表，并从一个名为main_df的空数据框开始。现在，我们准备读取每个股票的数据集合：

    for count,ticker in enumerate(tickers):
        df = pd.read_csv(‘stock_dfs/{}.csv‘.format(ticker))
        df.set_index(‘Date‘, inplace=True)

 你不需要在这里使用Python的枚举，我只是使用它，所以我们知道我们在读取所有数据的过程中。你可以迭代代码。从这一点，我们*可以*生成有趣数据的额外列，如：

        df [‘{} _ HL_pct_diff‘.format（ticker）] =（df [‘High‘] - df [‘Low‘]）/ df [‘Low‘]
        df [‘{} _ daily_pct_chng‘.format（ticker）] =（df [‘Close‘] - df [‘Open‘]）/ df [‘Open‘]

但现在，我们不会因此而烦恼。只要知道这可能是一条追寻道路的道路。相反，我们真的只是对Adj Adj列感兴趣：

        df.rename(columns={‘Adj Close‘:ticker}, inplace=True)
        df.drop([‘Open‘,‘High‘,‘Low‘,‘Close‘,‘Volume‘],1,inplace=True)

现在我们已经有了这个专栏（或者像上面那样额外的......但是请记住，在这个例子中，我们没有做HL_pct_diff或daily_pct_chng）。请注意，我们已将Adj Adj列重命名为任何股票代码名称。我们开始构建共享数据框：

        if main_df.empty:
            main_df = df
        else:
            main_df = main_df.join(df, how=‘outer‘)

如果main_df中没有任何内容，那么我们将从当前的df开始，否则我们将使用Pandas的加入。

仍然在这个for循环中，我们将再添加两行：

        if count % 10 == 0:
            print(count)

这将只输出当前股票的数量，如果它可以被10整除。什么样的计数％10给我们的是余数，如果计数除以10.因此，如果我们问如果计数％10 == 0，我们是 只有看到if语句，如果当前计数除以10，余数为0，或者如果它完全可以被10整除，那么才会出现True。

当我们完成for循环时：

    print(main_df.head())
    main_df.to_csv(‘sp500_joined_closes.csv‘)

这个函数调用它到这一点：

    with open("sp500tickers.pickle","rb") as f:
        tickers = pickle.load(f)

    main_df = pd.DataFrame()

    for count,ticker in enumerate(tickers):
        df = pd.read_csv(‘stock_dfs/{}.csv‘.format(ticker))
        df.set_index(‘Date‘, inplace=True)

        df.rename(columns={‘Adj Close‘:ticker}, inplace=True)
        df.drop([‘Open‘,‘High‘,‘Low‘,‘Close‘,‘Volume‘],1,inplace=True)

        if main_df.empty:
            main_df = df
        else:
            main_df = main_df.join(df, how=‘outer‘)

        if count % 10 == 0:
            print(count)
    print(main_df.head())
    main_df.to_csv(‘sp500_joined_closes.csv‘)


compile_data()

当前完整的代码为：

import bs4 as bs
import datetime as dt
import os
import pandas as pd
import pandas_datareader.data as web
import pickle
import requests


def save_sp500_tickers():
    resp = requests.get(‘http://en.wikipedia.org/wiki/List_of_S%26P_500_companies‘)
    soup = bs.BeautifulSoup(resp.text, ‘lxml‘)
    table = soup.find(‘table‘, {‘class‘: ‘wikitable sortable‘})
    tickers = []
    for row in table.findAll(‘tr‘)[1:]:
        ticker = row.findAll(‘td‘)[0].text
        tickers.append(ticker)
    with open("sp500tickers.pickle", "wb") as f:
        pickle.dump(tickers, f)
    return tickers


# save_sp500_tickers()
def get_data_from_yahoo(reload_sp500=False):
    if reload_sp500:
        tickers = save_sp500_tickers()
    else:
        with open("sp500tickers.pickle", "rb") as f:
            tickers = pickle.load(f)
    if not os.path.exists(‘stock_dfs‘):
        os.makedirs(‘stock_dfs‘)

    start = dt.datetime(2010, 1, 1)
    end = dt.datetime.now()
    for ticker in tickers:
        # just in case your connection breaks, we‘d like to save our progress!
        if not os.path.exists(‘stock_dfs/{}.csv‘.format(ticker)):
            df = web.DataReader(ticker, ‘morningstar‘, start, end)
            df.reset_index(inplace=True)
            df.set_index("Date", inplace=True)
            df = df.drop("Symbol", axis=1)
            df.to_csv(‘stock_dfs/{}.csv‘.format(ticker))
        else:
            print(‘Already have {}‘.format(ticker))


def compile_data():
    with open("sp500tickers.pickle", "rb") as f:
        tickers = pickle.load(f)

    main_df = pd.DataFrame()

    for count, ticker in enumerate(tickers):
        df = pd.read_csv(‘stock_dfs/{}.csv‘.format(ticker))
        df.set_index(‘Date‘, inplace=True)

        df.rename(columns={‘Adj Close‘: ticker}, inplace=True)
        df.drop([‘Open‘, ‘High‘, ‘Low‘, ‘Close‘, ‘Volume‘], 1, inplace=True)

        if main_df.empty:
            main_df = df
        else:
            main_df = main_df.join(df, how=‘outer‘)

        if count % 10 == 0:
            print(count)
    print(main_df.head())
    main_df.to_csv(‘sp500_joined_closes.csv‘)


compile_data()

在下一个教程中，我们将试图查看我们是否能够快速找到数据中的任何关系。