Ønsker du at hente aktiemarkedsdata ved hjælp af Python? Du er på det rigtige sted. I denne artikel lærer du, hvordan du får aktiemarkedsdata ved hjælp af Python. Du kan yderligere bruge dataene til at analysere, visualisere og få indsigt fra dem.
Du vil bruge yfinans Python-bibliotek for at få de aktuelle og historiske aktiemarkedskursdata fra Yahoo Finance.
Installation af nødvendige biblioteker
Yahoo Finans er en af de meget brugte platforme, der leverer børsdata. Du kan nemt downloade datasættet fra deres hjemmeside, men hvis du vil have adgang til det direkte fra et Python-program, kan du bruge yfinans bibliotek. For at installere yfinance ved hjælp af pip, skal du køre følgende kommando ved en kommandoprompt:
pip installere yfinansYfinance Python-biblioteket er gratis at bruge, og det kræver ikke en API-nøgle.
Koden brugt i dette projekt er tilgængelig i en GitHub-depot og er gratis for dig at bruge under MIT-licensen.
Få aktuelle aktiekursdata
Du skal have tickeren for den aktie, som du vil udtrække dataene for. I det følgende eksempel finder vi markedsprisen og den tidligere lukkepris for GOOGL.
importere yfinans som yf
ticker = yf. Ticker('GOOGL').info
markedspris = ticker['almindelig markedspris']
forrige_lukkepris = ticker['almindeligt MarkedForrigeLuk']
Print('Ticker: GOOGL')
Print('Markedspris:', markedspris)
Print('Forrige Luk pris:', forrige_lukkepris)Dette giver følgende output:
Dette eksempel bruger almindelig markedspris og almindeligt MarkedForrigeLuk egenskaber for at få de nødvendige data. Yfinance-biblioteket tilbyder adskillige andre egenskaber, som du kan udforske. Disse omfatter postnummer, sektor, fuldtidsansatte, longBusinessSummary, by, telefon, stat og land. Du kan få den komplette liste over de tilgængelige ejendomme ved hjælp af denne kode:
importere yfinans som yf
ticker = yf. Ticker('GOOGL').info
Print(ticker.keys())Få historiske aktiekursdata
Du kan få alle de historiske prisdata ved at angive startdatoen, slutdatoen og tickeren.
# Import af yfinance-pakken
importere yfinans som yf# Indstil start- og slutdatoen
startdato = '2020-01-01'
slutdato = '2022-01-01'# Indstil ticker
ticker = 'GOOGL'# Få dataene
data = yf.download (ticker, startdato, slutdato)
# Udskriv de sidste 5 rækker
Print(data.tail())
Dette giver følgende output:
Ovenstående kode vil hente aktiekursdata fra 2020-01-01 til 2022-01-01.
Hvis du vil trække data fra flere tickers på én gang, kan du gøre det ved at give tickerne i form af en mellemrumssepareret streng.
importere yfinans som yf
startdato = '2020-01-01'
slutdato = '2022-01-01'
# Tilføj flere mellemrumsadskilte tickers her
ticker = 'GOOGL MSFT TSLA'
data = yf.download (ticker, startdato, slutdato)
Print(data.tail())
Transformering af data til analyse
I ovenstående datasæt, Dato er indekset for datasættet og ikke en kolonne. For at udføre enhver dataanalyse på disse data skal du konvertere dette indeks til en kolonne. Nedenfor er hvordan du kan gøre det:
importere yfinans som yf
startdato = '2020-01-01'
slutdato = '2022-01-01'
ticker = 'GOOGL'
data = yf.download (ticker, startdato, slutdato)
data["Dato"] = data.indeksdata = data[["Dato", "Åben", "Høj",
"Lav", "Tæt", "Adj Luk", "Bind"]]
data.reset_index(dråbe=Rigtigt, på plads=Rigtigt)
Print(data.head())
Dette giver følgende output:
Disse transformerede data er de samme som de data, du ville have downloadet fra Yahoo Finance.
Lagring af de modtagne data i en CSV-fil
Du kan eksportere et DataFrame-objekt til en CSV-fil bruger to_csv() metode. Da ovenstående data allerede er i form af en pandas DataFrame, kan du eksportere dataene til en CSV-fil ved hjælp af følgende kode:
importere yfinans som yf
startdato = '2020-01-01'
slutdato = '2022-01-01'
ticker = 'GOOGL'
data = yf.download (ticker, startdato, slutdato)
Print(data.tail())
# Eksporter data til en CSV-fil
data.to_csv("GOOGL.csv")Pandas er det meget udbredte dataanalyse Python-bibliotek. Hvis du ikke er meget tryg ved dette bibliotek, bør du komme i gang med grundlæggende operationer ved hjælp af Pandas.
Visualiser dataene
Yfinance Python-biblioteket er et af de mest bekvemme biblioteker til at opsætte, hente data og udføre dataanalyseopgaver med. Du kan bruge disse data til at visualisere resultater og fange indsigt ved hjælp af biblioteker som Matplotlib, Seaborn eller Bokeh.
Du kan endda vise disse visualiseringer direkte på en webside ved hjælp af PyScript.
