#  tushare 财经数据接口包

使用tushare包获取某股票的历史行情数据。

import pandas as pdfrom pandas import Series,DataFrameimport numpy as npimport tushare as ts df = ts.get_k_data(code='600519',start='2000-01-01') #获取k线数据df.head()  #显示前5行df.to_csv('./maotai.csv') #数据写入 csv#将date列的数据转成时间序列，然后将该列作为整个数据源的行索引   某一列作为行索引data = pd.read_csv('./maotai.csv',index_col='date',parse_dates=['date']) #读数据 出来df data.drop(labels='Unnamed: 0',axis=1,inplace=True)#标签  0行 1列data.head(5) #前5行data.index[0] #Timestamp('2001-08-27 00:00:00')

#输出该股票所有收盘比开盘上涨3%以上的日期

# (收盘-开盘)/开盘 > 0.03

indexs = (data['close']-data['open'])/data['open'] > 0.03

data.loc[indexs].index #拿到具体时间

#输出该股票所有开盘比前日收盘跌幅超过2%的日期。

indexs = (data['open'] - data['close'].shift(1))/data['close'].shift(1) < -0.02

data.loc[indexs].index

#假如我从2010年1月1日开始，每月第一个交易日买入1手股票，每年最后一个交易日卖出所有股票，到今天为止，我的收益如何？

price_last = data['open'][-1] #最后一个交易日的开盘价

df = data['2010':'2019'] #剔除首尾无用的数据

#Pandas提供了resample函数用便捷的方式对时间序列进行重采样，根据时间粒度的变大或者变小分为降采样和升采样：

df_monthly = df.resample("M").first()

df_yearly = df.resample("A").last()[:-1] #去除最后一年  Y

cost_money = 0 #起始资金

hold = 0 #每年持有的股票

for year in range(2010, 2020):

　　cost_money -= df_monthly.loc[str(year)]['open'].sum()*100

　　hold += len(df_monthly[str(year)]['open']) * 100

　　if year != 2019:

　　　　cost_money += df_yearly.loc[str(year)]['open'][0] * hold

　　　　hold = 0 #每年持有的股票

cost_money += hold * price_last

print(cost_money)