Scikit Learn 股票投资：p17

▌前言

上一个视频介绍了如何从quandl里获取单一股票数据，本视频将讲解如何从quandl中获取大量的股票数据。

▌视频

▌视频出处

视频系列：Scikit-learn Machine Learning with Python and SKlearn

本视频出处：Scikit Learn Machine Learning for investing Tutorial with Python p. 17

哔哩哔哩：Scikit Learn Machine Learning for investing Tutorial with Python p. 17

▌内容

首先，我们自定义一个function def Stock_Prices()，然后读取本地文件夹_KeyStats中的文件，这个跟之前教程读取文件的原理一样：

def Stock_Prices():
    df = pd.DataFrame()
    statspath = path + '/_KeyStats'
    stock_list = [x[0] for x in os.walk(statspath)]

得到股票代码列表后，我们用for 来遍历每一只股票的代码，然后通过quandl来获取其数据：

def Stock_Prices():
    df = pd.DataFrame()
    statspath = path + '/_KeyStats'
    stock_list = [x[0] for x in os.walk(statspath)]

    for each_dir in stock_list[1:]:
        ticker = each_dir.split("\\")[1]
        print(ticker)
        #股票代码都是大写的，所以用到Upper()
        name = 'WIKI/'+ticker.upper()
        #从quandl获取股票数据
        data = quandl.get(name
                          ,trim_start = "2000-12-12",
                          trim_end = "2014-12-30",
                          authtoken=auth_tok)
        #建立以[ticker.upper()]为名称的列，然后只获取`Adj. Close`的数据。       
        data[ticker.upper()] = data['Adj. Close']
        #合并新的列表
        df = pd.concat([df, data[ticker.upper()]], axis = 1)

最后，为了防止获取股票数据时出现网络错误等问题，我们加入了try - except。

▌结果

▌源代码

import pandas as pd
import os
import quandl
import time

# auth_tok = "api key 代码"
auth_tok = open("quandl_auth_tok.txt","r").read()


path = '../intraQuarter'

def Stock_Prices():
    df = pd.DataFrame()
    statspath = path + '/_KeyStats'
    stock_list = [x[0] for x in os.walk(statspath)]

    for each_dir in stock_list[1:]:
        try:
            ticker = each_dir.split("\\")[1]
            print(ticker)
            #股票代码都是大写的，所以用到Upper()
            name = 'WIKI/'+ticker.upper()
            #从quandl获取股票数据
            data = quandl.get(name
                              ,trim_start = "2000-12-12",
                              trim_end = "2014-12-30",
                              authtoken=auth_tok)
            data[ticker.upper()] = data['Adj. Close']
            df = pd.concat([df, data[ticker.upper()]], axis = 1)
        except Exception as e:
            print(e)
            #如果出现获取错误，等待10秒后继续执行代码
            time.sleep(10)
            try:
                ticker = each_dir.split("\\")[1]
                print(ticker)
                name = 'WIKI/'+ticker.upper()
                data = quandl.get(name
                                  ,trim_start = "2000-12-12",
                                  trim_end = "2014-12-30",
                                  authtoken=auth_tok)
                #建立以[ticker.upper()]为名称的列，然后只获取`Adj. Close`的数据。
                data[ticker.upper()] = data['Adj. Close']
                df = pd.concat([df, data[ticker.upper()]], axis = 1)
            except Exception as e:
                print(e)
    df.to_csv('stock_prices.csv')   

Stock_Prices()

▌最后

虽然分c君_BingWong只是作为一名搬运工，连码农都称不上。 但制作代码中的注释、翻译和搬运都花了很多时间，请各位大侠高抬贵手，在转载时请注明出处。