目前，获取股票数据的渠道有很多，而且基本上是免费的，比如，行情软件有同花顺、东方财富等，门户网站有新浪财经、腾讯财经、和讯网等。Python也有不少免费的开源api可以获取交易行情数据，如pandas自带的库，tushare和baostock等。由于pandas库不再支持yahoo数据库后变得很不好用，而baostock最早记录的数据是2006年，因此本文主要讲讲如何使用tushare获取股票交易数据和可视化分析，tushare基本上记录了股票自上市之日起所有的日交易数据，是目前分析国内A股(支持其他非股票行情数据，如期货)比较好用的开源接口。

阅读本文之前，建议学习或回顾下【手把手教你】系列文章，熟悉掌握pandas、tushare、numpy和matplotlib等包的使用，不然后面代码阅读起来可能比较吃力。

获取股票数据

01

使用tushare包的get_k_data()函数来获取股票交易数据，具体可以通过命令help(ts.get_k_data)了解函数和参数含义。

#先引入后面可能用到的包(package)import pandas as pd import numpy as npimport matplotlib.pyplot as plt#正常显示画图时出现的中文from pylab import mpl#这里使用微软雅黑字体mpl.rcParams['font.sans-serif']=['SimHei']#画图时显示负号mpl.rcParams['axes.unicode_minus']=Falseimport seaborn as sns #画图用的import tushare as ts#Jupyter Notebook特有的magic命令#直接在行内显示图形%matplotlib inline 

02

小试牛刀：获取上证指数自发布以来的数据

sh=ts.get_k_data(code='sh',ktype='D', autype='qfq', start='1990-12-20')#code:股票代码，个股主要使用代码，如‘600000’#ktype:'D':日数据；‘m’：月数据，‘Y’:年数据#autype:复权选择，默认‘qfq’前复权#start：起始时间#end：默认当前时间#查看下数据前5行sh.head(5)

能看到的第一列是索引，对于pandas的数据结构，最后将索引设置为时间序列，方便后面可视化分析。

#将数据列表中的第0列'date'设置为索引sh.index=pd.to_datetime(sh.date) #画出上证指数收盘价的走势sh['close'].plot(figsize=(12,6))plt.title('上证指数1990-2018年走势图')plt.xlabel('日期')plt.show()

上面的指数走势图还是可以清晰看出，股指分别在2007年和2015年有两波大牛市，然后又从高峰跌入谷底，目前处于下跌通道。真是辛辛苦苦28年，一夜回到解放前o(╥﹏╥)o

描述性统计

#pandas的describe()函数提供了数据的描述性统计#count:数据样本，mean:均值，std:标准差sh.describe().round(2)

结果如下表所示：

从上述结果可以看出，上证指数从1990年12月20日至2018年11月7日(最后交易日是当前运行时间)，一共有6645个样本，均值为1937.52点，标准差为1079.51点(波动还是比较大的)，最大值是6092.06点。

#再查看下每日成交量 #2006年市场容量小，交易量比较小，我们从2007年开始看sh.loc["2007-01-01":]["volume"].plot(figsize=(12,6))plt.title('上证指数2007-2018年日成交量图')plt.xlabel('日期')plt.show()

上图的成交量反映了一个有趣的现象，2014-2015年的大牛市很可能是天量的交易推动起来的，因为这期间实体经济并不景气，央行多次降息降准，货币宽松，资金流入股市，银行理财等影子银行在这期间疯狂扩张，场外加杠杆和配资主导了这一场牛市。感兴趣的朋友可以结合货币供给、实体经济指标、影子银行等数据一起分析，进行交叉验证。

均线分析

#这里的平均线是通过自定义函数，手动设置20,52,252日均线#移动平均线：ma_day = [20,52,252]for ma in ma_day: column_name = "%s日均线" %(str(ma)) sh[column_name] =sh["close"].rolling(ma).mean()#sh.tail(3)#画出2010年以来收盘价和均线图sh.loc['2010-10-8':][["close