python获得股票数据并画图

# 导入第三方库
import pandas_datareader
import datetime
import matplotlib.pyplot as plt# 获取现在的时间
# (2020, 3, 7, 10, 37, 13, 186885)
end = datetime.datetime.now()
start = datetime.datetime(end.year - 1,end.month,end.day)
# 获取阿里巴巴数据
alibaba = pandas_datareader.data.DataReader('BABA', 'yahoo', start, end)# 打印数据
print(alibaba)alibaba['Adj Close'].plot(legend = True,figsize = (10, 4))
alibaba['Open'].plot(legend = True,figsize = (10, 4))
alibaba['High'].plot(legend = True,figsize = (10, 4))
# 把图片show出来
plt.show()

运行结果:

                  High         Low  ...    Volume   Adj Close
Date                                ...
2019-03-06  185.589996  183.020004  ...  10009100  184.169998
2019-03-07  181.800003  176.729996  ...  16488900  177.320007
2019-03-08  175.350006  171.565002  ...  14674200  175.029999
2019-03-11  181.720001  177.580002  ...  13764000  180.410004
2019-03-12  182.179993  179.509995  ...   8660000  180.630005
2019-03-13  182.535004  179.259995  ...   8868200  180.699997
2019-03-14  180.820007  178.009995  ...   9272000  180.360001
2019-03-15  181.449997  179.660004  ...  10844100  180.970001
2019-03-18  182.889999  180.759995  ...   7847800  181.830002
2019-03-19  183.360001  180.850006  ...  10238600  182.139999
2019-03-20  181.949997  178.429993  ...  15901500  181.279999
2019-03-21  181.729996  178.520004  ...   9754500  181.500000
2019-03-22  180.479996  175.335999  ...  11688400  176.259995
2019-03-25  178.899994  174.100006  ...   7511400  178.770004
2019-03-26  180.649994  177.095001  ...   7897900  178.080002
2019-03-27  179.830002  176.912994  ...   8371000  177.029999
2019-03-28  178.529999  175.970001  ...   7233000  177.729996
2019-03-29  182.600006  179.000000  ...  13850900  182.449997
2019-04-01  185.559998  180.889999  ...  12714800  180.889999
2019-04-02  183.563004  180.949997  ...   8021500  181.740005
2019-04-03  180.699997  176.759995  ...  26819000  178.320007
2019-04-04  181.960007  176.889999  ...  16993200  181.070007
2019-04-05  185.500000  182.000000  ...  18705000  185.350006
2019-04-08  187.820007  184.009995  ...  14725600  186.500000
2019-04-09  187.889999  186.160004  ...  11578200  187.190002
2019-04-10  187.399994  184.000000  ...  10655000  186.190002
2019-04-11  186.059998  183.750000  ...   8900300  184.979996
2019-04-12  189.789993  187.139999  ...  12600000  188.910004
2019-04-15  188.169998  182.559998  ...  14616600  183.070007
2019-04-16  185.789993  183.399994  ...  12195900  185.779999
...                ...         ...  ...       ...         ...
2020-01-24  219.830002  211.324997  ...  18143900  213.750000
2020-01-27  208.020004  199.500000  ...  24574700  205.470001
2020-01-28  210.910004  207.169998  ...  16196700  210.229996
2020-01-29  213.979996  209.520004  ...  12871900  212.020004
2020-01-30  209.860001  205.029999  ...  14376000  208.580002
2020-01-31  207.929993  204.727997  ...  18181400  206.589996
2020-02-03  215.020004  208.669998  ...  14131900  213.100006
2020-02-04  224.380005  220.490005  ...  16695100  222.880005
2020-02-05  226.699997  217.539993  ...  15766100  220.220001
2020-02-06  223.649994  219.779999  ...  10790800  220.899994
2020-02-07  217.839996  214.880005  ...  13790300  216.529999
2020-02-10  215.770004  212.199997  ...  17420300  215.770004
2020-02-11  220.009995  215.289993  ...  16073500  217.210007
2020-02-12  225.520004  220.210007  ...  18671900  224.309998
2020-02-13  225.000000  218.990005  ...  28069700  220.360001
2020-02-14  221.639999  218.229996  ...  10690000  219.630005
2020-02-18  220.850006  217.509995  ...  12987000  220.520004
2020-02-19  223.559998  220.750000  ...  10798100  222.139999
2020-02-20  222.500000  214.220001  ...  14950100  218.039993
2020-02-21  217.600006  211.559998  ...  17681200  212.589996
2020-02-24  207.279999  202.509995  ...  19380200  206.160004
2020-02-25  209.949997  204.100006  ...  18132400  205.610001
2020-02-26  213.080002  206.789993  ...  19482100  208.740005
2020-02-27  209.970001  201.860001  ...  22741200  205.029999
2020-02-28  208.919998  198.561005  ...  31276200  208.000000
2020-03-02  211.110001  203.755997  ...  21542200  210.979996
2020-03-03  211.389999  202.240005  ...  20813800  207.410004
2020-03-04  212.699997  208.850006  ...  12474400  211.960007
2020-03-05  215.149994  209.139999  ...  13462900  211.460007
2020-03-06  207.000000  201.100006  ...  21679700  204.639999[254 rows x 6 columns]

python获得股票数据并画图相关推荐

python分析股票数据彤_Python数据分析：股票数据
最近股市比较火,我7月初上车了,现在已经下了.中间虽然吃了点肉,但下车的时候都亏进去了,最后连点汤都没喝着. 这篇文章我们就用它python 对股票数据做个简单的分析.数据集是从1999年到2016年 ...
使用Python对股票数据进行数据分析(一）-计算日线行情、5日均线、10日均线行情并显示
使用Python对股票数据进行数据分析(一)-计算日线行情.5日均线.10日均线行情并显示各种炒股软件上可以显示各种技术指标,可以帮助投资者进行技术分析.这些股市中的这些指标都是怎么计算出来的呢?这 ...
使用Python对股票数据进行数据分析(二）-使用ta-lib库获取日线行情、5日均线、10日均线行情并显示
使用Python对股票数据进行数据分析(二)-使用ta-lib库获取日线行情.5日均线.10日均线行情并显示这个文章其实和我的上一篇文章,https://blog.csdn.net/lost0910 ...
matlab python 股票,股票行情数据获取-Python获取股票数据？
Python获取股票数据? 这里推荐一个包―tushare,tushare是一个免费.开源的python财经数据接口包.主要实现了从数据采集.清洗加工到数据存储过程,能够为金融分析人员提供快速.整洁的 ...
如何去使用Python分析股票数据？学到就是赚到
对于炒股的同学来说,必须会看懂数据才能避免入坑.今天小千就来教大家如何去使用Python分析股票数据,学到就是赚到.(小千提醒,股市有风险,请谨慎投资) 这次的美股例子就选择了美国显卡制造商英伟达,其 ...
python 读文件数据并画图
python 读文件数据并画图代码如下: import pandas as pd import matplotlib.pyplot as plt import re import os import ...
MATLAB调用python获得股票数据并构建交易策略
第一步 python获取实时股票数据这一步在网上查资料查来查去,三个小时才完成. python之前没有安yfinance工具包,虽然应该是超级简单的pip install,但是莫名报错一下是pan ...
基于python的股票数据的读取及可视化（K线图）
文章目录 1.读取数据 2.绘制股票走势图 3.绘制K线图 1.读取数据 TuShare是一个免费.开源的python财经数据接口包.主要实现对股票等金融数据从数据采集.清洗加工到数据存储的过程, ...
python美国股票数据api_【美股量化00篇】Python获取新浪接口美股实时数据
1.本篇以BABA(阿里巴巴)为例,在浏览器地址栏输入以下url,即可获取个股数据:阿里巴巴(BABA)实时数据hq.sinajs.cn import requests url = 'http:// ...

python获得股票数据并画图

python获得股票数据并画图相关推荐

最新文章

热门文章