python爬股票历史价格_【Python】利用ricequant获取上证指数以及所有股票历史价格数据...

1、准备工作

网址：https://www.ricequant.com

点击“研究”，点击右上方的“新建”，选择Python3.

2、代码

1)获取所有股票从起始记录时间至今的全部价格数据。详细api可以参考：https://www.ricequant.com/api/research/chn

#ClosingPx

import pandas as pd

datas = all_instruments(type='CS', country='cn')

list = datas['order_book_id'].tolist()

df1 = pd.DataFrame(columns = list)

df1.loc[0] = datas['symbol'].tolist()

df2 = pd.DataFrame(columns = list)

for id in list:

df2[id] = get_price(id,start_date='2013-01-04', end_date='2017-08-09', adjust_type='none')['ClosingPx']

frames = [df1, df2]

result = pd.concat(frames)

result.to_csv('stoneClosingPx_0809.csv')

#PreClosingPx

import pandas as pd

datas = all_instruments(type='CS', country='cn')

list = datas['order_book_id'].tolist()

df1 = pd.DataFrame(columns = list)

df1.loc[0] = datas['symbol'].tolist()

df2 = pd.DataFrame(columns = list)

for id in list:

df2[id] = get_price(id,start_date='2013-01-04', end_date='2017-08-09', adjust_type='pre')['ClosingPx']

frames = [df1, df2]

result = pd.concat(frames)

result.to_csv('stonePreClosingPx_0809.csv')

#OpeningPx

import pandas as pd

datas = all_instruments(type='CS', country='cn')

list = datas['order_book_id'].tolist()

df1 = pd.DataFrame(columns = list)

df1.loc[0] = datas['symbol'].tolist()

df2 = pd.DataFrame(columns = list)

for id in list:

df2[id] = get_price(id, start_date='2013-01-04', end_date='2017-08-09', adjust_type='none')['OpeningPx']

frames = [df1, df2]

result = pd.concat(frames)

result.to_csv('stoneOpeningPx_0809.csv')

#HighPx

import pandas as pd

datas = all_instruments(type='CS', country='cn')

list = datas['order_book_id'].tolist()

df1 = pd.DataFrame(columns = list)

df1.loc[0] = datas['symbol'].tolist()

df2 = pd.DataFrame(columns = list)

for id in list:

df2[id] = get_price(id, start_date='2013-01-04', end_date='2017-08-09', adjust_type='none')['HighPx']

frames = [df1, df2]

result = pd.concat(frames)

result.to_csv('stoneHighPx_0809.csv')

#LowPx

import pandas as pd

datas = all_instruments(type='CS', country='cn')

list = datas['order_book_id'].tolist()

df1 = pd.DataFrame(columns = list)

df1.loc[0] = datas['symbol'].tolist()

df2 = pd.DataFrame(columns = list)

for id in list:

df2[id] = get_price(id,start_date='2013-01-04', end_date='2016-12-28', adjust_type='none')['LowPx']

frames = [df1, df2]

result = pd.concat(frames)

result.to_csv('stoneLowPx_0809.csv')

2)获取上证指数

#shanghai

import pandas as pd

df1 = pd.DataFrame(columns = ['000001.XSHG'])

df1.loc[0] = '上证指数'

df2 = pd.DataFrame(columns = ['000001.XSHG'])

df2['000001.XSHG'] = get_price('000001.XSHG', start_date='2013-01-04', end_date='2017-08-09', adjust_type='none')['HighPx']

frames = [df1, df2]

result = pd.concat(frames)

result.to_csv('shanghaiHighPx_0809.csv')

import pandas as pd

df1 = pd.DataFrame(columns = ['000001.XSHG'])

df1.loc[0] = '上证指数'

df2 = pd.DataFrame(columns = ['000001.XSHG'])

df2['000001.XSHG'] = get_price('000001.XSHG', start_date='2013-01-04', end_date='2017-08-09', adjust_type='none')['LowPx']

frames = [df1, df2]

result = pd.concat(frames)

result.to_csv('shanghaiLowPx_0809.csv')

import pandas as pd

df1 = pd.DataFrame(columns = ['000001.XSHG'])

df1.loc[0] = '上证指数'

df2 = pd.DataFrame(columns = ['000001.XSHG'])

df2['000001.XSHG'] = get_price('000001.XSHG', start_date='2013-01-04', end_date='2017-08-09', adjust_type='none')['ClosingPx']

frames = [df1, df2]

result = pd.concat(frames)

result.to_csv('shanghaiClosingPx_0809.csv')

import pandas as pd

df1 = pd.DataFrame(columns = ['000001.XSHG'])

df1.loc[0] = '上证指数'

df2 = pd.DataFrame(columns = ['000001.XSHG'])

df2['000001.XSHG'] = get_price('000001.XSHG', start_date='2013-01-04', end_date='2017-08-09', adjust_type='pre')['ClosingPx']

frames = [df1, df2]

result = pd.concat(frames)

result.to_csv('shanghaiPreClosingPx_0809.csv')

import pandas as pd

df1 = pd.DataFrame(columns = ['000001.XSHG'])

df1.loc[0] = '上证指数'

df2 = pd.DataFrame(columns = ['000001.XSHG'])

df2['000001.XSHG'] = get_price('000001.XSHG', start_date='2013-01-04', end_date='2017-08-09', adjust_type='none')['OpeningPx']

frames = [df1, df2]

result = pd.concat(frames)

result.to_csv('shanghaiOpeningPx_0809.csv')

3、运行

选中所有代码，同时按住ctrl+enter即可。结果会生成在和代码相同的页面。

结果格式如下：

python爬股票历史价格_【Python】利用ricequant获取上证指数以及所有股票历史价格数据...相关推荐

python爬取论坛图片_[python爬虫] Selenium定向爬取虎扑篮球海量精美图片
前言: 作为一名从小就看篮球的球迷,会经常逛虎扑篮球及湿乎乎等论坛,在论坛里面会存在很多精美图片,包括NBA球队.CBA明星.花边新闻.球鞋美女等等,如果一张张右键另存为的话真是手都点疼了.作为程序员 ...
python爬取pdf教程_#如何利用Python抓取PDF中的某些内容#python爬取pdf教程
如何利用Python抓取PDF中的某些内容学生每天要学习,工作者要工作,家庭主妇每都要务.不论做什么,都有着相应的操作流同样就会有操作技巧.学生运用技巧学习才不会累,学得还会更快更多:工作者掌握技巧 ...
python爬取微信运动_如何利用Python爬取微信运动中各个好友的运动信息
2018-11-20 回答主要思路从ui获取文本信息是最为简单的方法,于是应该优先逆向ui代码部分. 逆向微信apk 首先解包微信apk,用dex2jar反编译classes.dex,然后用jd- ...
python爬取路况信息_高德地图api获取路况信息（python版）
1.依旧是先申请key 2.查看url https://restapi.amap.com/v3/traffic/status/circle?location=116.3057764,39.986413 ...
python ftp 文件修改时间_如何利用pythonftplib获取FTP文件的修改时间
MLST或MDTM 虽然可以使用MLST或MDTM命令通过FTP检索单个文件的时间戳,但ftplib不支持这两种命令. 当然,您可以使用^{}自己实现MLST或MDTM. 见: MDTM的一个简单示例 ...
python爬取股票实时价格_【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: http://hq.sinajs.cn/list=gb_baba (股票代码必须为小写字母,结果如下图所示) 阿里 ...
python 股票分析包_如何利用Python开发一套股票分析软件
股票数据分析对象为沪深300,通过对数据的爬取以及分析,使数据可视化,这些为该分析软件要满足的功能. 确定目标,然后 JUST DO IT ! 第一步:获取数据沪深300历史交易数据的 URL 地址 ...
python爬去百度文库_利用Python语言轻松爬取数据[精品文档]
利用 Python 语言轻松爬取数据对于小白来说,爬虫可能是一件非常复杂. 技术门槛很高的事情. 比如有人认为学爬虫必须精通 Python ,然后哼哧哼哧系统学习 Python 的每个知识点,很久之 ...
python 怎么爬桌软件数据_如何利用Python爬取并分析红岭创投的数据？
第一步:爬取数据通过 selenium + Firefox 的无头模式将需要的数据爬取出来,代码实现不在赘述,详细步骤可查看我的上一篇图文(如何利用Python爬取网易新闻), 由于 seleniu ...
python爬取百度文库_利用Python语言轻松爬取数据
利用 Python 语言轻松爬取数据对于小白来说,爬虫可能是一件非常复杂. 技术门槛很高的事情. 比如有人认为学爬虫必须精通 Python ,然后哼哧哼哧系统学习 Python 的每个知识点,很久之 ...

python爬股票历史价格_【Python】利用ricequant获取上证指数以及所有股票历史价格数据...

python爬股票历史价格_【Python】利用ricequant获取上证指数以及所有股票历史价格数据...相关推荐

最新文章

热门文章