从数据抓取到可视化：Python实战中国股票分析技能

1次阅读

没有评论

共计 2613 个字符，预计需要花费 7 分钟才能阅读完成。

在中国股票市场数据分析中，数据获取往往是第一个拦路虎。不同于美国市场有 Yahoo Finance、Alpha Vantage 等开放接口，国内股票数据面临着以下几个典型问题：

数据源限制：很多免费数据源不稳定，经常变更接口或停止服务
权限门槛：高质量数据通常需要付费或申请 API 权限（如 Tushare Pro）
格式混乱：不同数据源返回的字段名、时间格式、数据单位不统一
历史数据缺失：特别是早期上市股票的分红送配数据常有缺失

目前主流的 Python 金融数据接口有以下几种：

Tushare Pro（推荐）
优势：数据全面（包含财务、基本面等），社区活跃，文档完善
缺点：免费版有调用频率限制，需要注册获取 token
AKShare
优势：完全免费，数据源来自公开网站
缺点：接口稳定性依赖第三方网站，可能突然失效
BaoStock
优势：支持实时数据，提供 Level2 行情
缺点：需要安装客户端，学习曲线较陡

对于大多数分析场景，我们推荐使用 Tushare Pro 作为主要数据源，它的数据质量和稳定性更适合生产环境。

首先安装必要库并配置 API：

pip install tushare pandas matplotlib seaborn

注册 Tushare Pro 账号获取 token 后初始化：

import tushare as ts

pro = ts.pro_api('你的 token')

以下代码获取贵州茅台 (600519) 的日线数据：

df = pro.daily(ts_code='600519.SH', start_date='20200101', end_date='20231231')

# 转换日期格式并设为主键
df['trade_date'] = pd.to_datetime(df['trade_date'])
df.set_index('trade_date', inplace=True)
df.sort_index(inplace=True)

使用 Pandas 进行基础数据处理：

# 处理缺失值
df.fillna(method='ffill', inplace=True)

# 计算 5 日、20 日均线
df['ma5'] = df['close'].rolling(5).mean()
df['ma20'] = df['close'].rolling(20).mean()

# 计算每日收益率
df['daily_return'] = df['close'].pct_change()

import mplfinance as mpf

# 准备 mplfinance 专用格式
df_k = df[['open', 'high', 'low', 'close', 'vol']]
df_k.columns = ['Open', 'High', 'Low', 'Close', 'Volume']

# 添加均线
add_plot = [mpf.make_addplot(df['ma5'], color='blue'),
            mpf.make_addplot(df['ma20'], color='orange')]

# 绘制 K 线
mpf.plot(df_k, type='candle', style='charles',
         addplot=add_plot, volume=True,
         title='贵州茅台 K 线图(2020-2023)',
         ylabel='价格(元)')

import seaborn as sns

sns.displot(df['daily_return'].dropna(), kde=True,
            bins=50, color='green')
plt.title('贵州茅台日收益率分布')
plt.xlabel('日收益率')
plt.ylabel('频次')

当处理全市场数据时，需要注意：

分块获取数据：

# 按年分块获取
years = ['2020', '2021', '2022', '2023']
dfs = []
for year in years:
    df = pro.daily(ts_code='600519.SH', 
                  start_date=f'{year}0101', 
                  end_date=f'{year}1231')
    dfs.append(df)
full_df = pd.concat(dfs)

并行处理 ：使用concurrent.futures 并行获取多只股票数据
本地缓存：将常用数据保存为 HDF5 格式
```
df.to_hdf('stock_data.h5', key='600519')
```

API 限速：免费版每分钟 200 次，建议:
添加 time.sleep(0.3) 控制调用频率
重要数据获取后立即本地存储

复权数据缺失：

# 获取复权因子
df_adj = pro.adj_factor(ts_code='600519.SH')
# 合并到主数据
df = df.merge(df_adj, on='trade_date')

非交易日数据：先获取交易日历

trade_cal = pro.trade_cal(exchange='SSE', 
                        start_date='20200101',
                        end_date='20201231')

简单的双均线策略实现：

df['signal'] = 0
# 5 日均线上穿 20 日均线
df.loc[df['ma5'] > df['ma20'], 'signal'] = 1
# 5 日均线下穿 20 日均线
df.loc[df['ma5'] < df['ma20'], 'signal'] = -1

# 计算策略收益
df['strategy_return'] = df['signal'].shift(1) * df['daily_return']

# 绘制收益曲线
(1 + df[['daily_return', 'strategy_return']].dropna()).cumprod().plot()

通过本文的完整流程，你已经能够：