如何使用 Python 下载股票价格数据？答案

【问题标题】：How can I download stock price data with Python?如何使用 Python 下载股票价格数据？
【发布时间】：2018-11-20 20:45:23
【问题描述】：

我已经安装了pandas-datareader，但我想知道是否有替代方案。

到目前为止，我正在使用这个：

import pandas_datareader.data as web
start_date = '2018-01-01'
end_date = '2018-06-08'
panel_data = web.DataReader('SPY', 'yahoo', start_date, end_date)

【问题讨论】：

标签： python pandas stock pandas-datareader

【解决方案1】：

雅虎财经是获取股票数据的免费来源之一。您可以使用 pandas datareader 获取数据，也可以使用 yfinance 库获取数据。从 yfinance 库中获取数据的方法如下所示。

import yfinance as yf
# Get the data of the stock AAPL
data = yf.download('AAPL','2016-01-01','2019-08-01')

Wiki 是 quandl 上可用于获取 3000 多种美国股票数据的免费资源之一。这是社区维护的数据。最近它已停止维护，但是，它是一个很好的免费资源来回测您的策略。要获取数据，您需要从 quandl 获取免费的 API 密钥，并将以下代码中的代码替换为您的 API 密钥。

# Import the quandl package
import quandl
# Get the data from quandl
data = quandl.get("WIKI/KO", start_date="2016-01-01", end_date="2018-01-01", 
    api_key=<Your_API_Key>)

注意： Quandl 需要 NumPy（v1.8 或更高版本）和 pandas（v0.14 或更高版本）才能工作。要获取您的 API 密钥，请注册一个免费的 Quandl 帐户。然后，您可以在 Quandl 帐户设置页面上找到您的 API 密钥。

【讨论】：

【解决方案2】：

见下文。代码是用 Python 2.7 编写的，但是当您替换 print 函数时应该可以在 3.5 中工作。确保复制时编辑器中的间距是正确的：制表符是 4 个空格等。

# pip install datareader
import pandas as pd
pd.core.common.is_list_like = pd.api.types.is_list_like
import pandas_datareader.data as web
import matplotlib.pyplot as plt
import numpy as np

from datetime import datetime, timedelta

#stock of interest
stock=['MSFT','SAP','V','JPM']

# period of analysis
end = datetime.now()
start = end - timedelta(days=500)

for i in range(len(stock)):
    f = web.DataReader(stock[i], 'morningstar', start, end)

    # nice looking timeseries (DataFrame to panda Series)
    f = f.reset_index()
    f = pd.Series(f.Close.values,f.Date)

    print "Start: Year, Month, Day, Time"
    print str(start)
    f.plot(label=stock[i]);
    plt.legend()
    plt.ylabel('price in [USD]')

plt.show();

【讨论】：

a = [float(f.close_price.values[i].encode('ascii')) for i in range(len(f.close_price.values))] f = pd.Series(a, f.begins_at.values) # Morningstar 停产 --> 改为 robinhood

【解决方案3】：

我发现最简单的方法是新的SimFin Python API，它可以让您下载股票价格和基本数据，将其保存到磁盘，然后只需几行代码就可以将其加载到 Pandas DataFrames 中。他们还提出了几个tutorials 说明如何将他们的数据与其他库（如 statsmodels、scikit-learn、TensorFlow 等）一起使用。下面的基本示例是从他们的 github 页面复制而来的。

您可以通过在终端窗口中键入此命令来安装 SimFin python 包（最好在其自己的环境中，请参阅他们的full instructions）：

pip install simfin

然后将以下内容复制粘贴到 Jupyter Notebook 或 Python 源文件中：

import simfin as sf
from simfin.names import *

# Set your API-key for downloading data.
# If the API-key is 'free' then you will get the free data,
# otherwise you will get the data you have paid for.
# See www.simfin.com for what data is free and how to buy more.
sf.set_api_key('free')

# Set the local directory where data-files are stored.
# The dir will be created if it does not already exist.
sf.set_data_dir('~/simfin_data/')

# Load the annual Income Statements for all companies in USA.
# The data is automatically downloaded if you don't have it already.
df = sf.load_income(variant='annual', market='us')

# Print all Revenue and Net Income for Microsoft (ticker MSFT).
print(df.loc['MSFT', [REVENUE, NET_INCOME]])

这会产生以下输出：

                  Revenue   Net Income
Report Date
2008-06-30   6.042000e+10  17681000000
2009-06-30   5.843700e+10  14569000000
2010-06-30   6.248400e+10  18760000000
2011-06-30   6.994300e+10  23150000000
2012-06-30   7.372300e+10  16978000000
2013-06-30   7.784900e+10  21863000000
2014-06-30   8.683300e+10  22074000000
2015-06-30   9.358000e+10  12193000000
2016-06-30   9.115400e+10  20539000000
2017-06-30   9.657100e+10  25489000000
2018-06-30   1.103600e+11  16571000000
2019-06-30   1.258430e+11  39240000000

我们还可以加载每日股价并绘制微软的收盘价（股票代码 MSFT）：

# Load daily share-prices for all companies in USA.
# The data is automatically downloaded if you don't have it already.
df_prices = sf.load_shareprices(market='us', variant='daily')

# Plot the closing share-prices for ticker MSFT.
df_prices.loc['MSFT', CLOSE].plot(grid=True, figsize=(20,10), title='MSFT Close')

这会产生以下图像：

【讨论】：

【解决方案4】：

您也可以使用 quandl，但您必须注册并获取自己的 API 密钥。不确定任何与 pandas 网络阅读器配合良好的免费金融 API 是否仍能可靠且良好地运行...

# pip install datareader
import pandas as pd
pd.core.common.is_list_like = pd.api.types.is_list_like
# quandl api explore
import quandl
from datetime import datetime, timedelta
import matplotlib.pyplot as plt
# api instructions
quandl.ApiConfig.api_key = "YOUR_API_KEY"
end = datetime.now()
start = end - timedelta(days=365)
# frankfurt stock exchange
mydata2 = quandl.get('FSE/VOW3_X', start_date = start, end_date = end)
f = mydata2.reset_index()
# timeseries
plt.figure(1)
f = pd.Series(f.Close.values,f.Date)
f.plot()
plt.show()

【讨论】：