大数据中心检索数据题
1、仔细认真，不急，但也要有时间观念，越快完成越好
2、理清楚逻辑，不行的直接就暴力丢excell里面去
3、注意效率，后面的题会更加浪费时间
4、及时与队友沟通，可以让队友帮忙
5、建议多进行自主训练，加快解题速度，提高解题准确率
编程检索数据题
ts_code的说明
600 开头的代码一般 是要以 .SH 结尾
上交所sh和深交所sz
总之在Python中一定要加上后缀 sz 或者 sh
monthly接口相关（月线接口）
一些参数
trade_date #交易日期
start_date #开始日期
end_date #结束日期
fields #最终需要的参数
open #开盘价
high #最高价
low #最低价
close #收盘价
pct_chg # 未复权涨跌幅
import tushare as ts
pro = ts.pro_api(\'token\')
ds = pro.monthly(ts_code=\'600271.SH\', start_date=\'20131201\', end_date=\'20181231\', fields=\'trade_date,close\')
# 筛选数据
ds = ds[ds.trade_date.map(lambda x:x.find(\'12\',4,6)>=0)]
print(ds)
pro_bar 接口相关（通用行情接口）
一些参数
asset #资产类别：E股票 I沪深指数 C数字货币 FT期货 FD基金 O期权 CB可转债（v1.2.39），默认E
freq #数据频度 ：支持分钟(min)/日(D)/周(W)/月(M)K线，其中1min表示1分钟（类推1/5/15/30/60分钟） ，默认D。
adj #复权类型(只针对股票)：None未复权 qfq前复权 hfq后复权 , 默认None，目前只支持日线复权。
import tushare as ts
ts.set_token(\'token\')
ds = ts.pro_bar(ts_code=\'399101.SZ\', asset=\'I\', freq=\'M\', start_date=\'20130101\', end_date=\'20181231\')
# 其中 asset 为这个证券的类型，比如 E股票 I沪深指数，freq为数据频率（M代表月）
#筛选数据
ds = ds[ds.trade_date.map(lambda x:x.find(\'12\',4,6)>=0)]
ds = ds[[\'trade_date\',\'close\']]
print(ds)
import tushare as ts
import matplotlib as mp
import matplotlib.pyplot as plt
from pandas.plotting import register_matplotlib_converters
register_matplotlib_converters()
# 抓取数据
ds = ts.pro_bar(ts_code=\'002193.SZ\', start_date=\'20180601\', end_date=\'20180630\', adj=\'None\')
ds.to_csv(\'D:/bigdata/如意集团2018年6月公司股价变动日收盘价.csv\')
# 清洗数据
df = ds[[\'trade_date\', \'high\']]
df.to_csv(\'D:/bigdata/如意集团2018年6月公司股价变动日最高价（已清洗）.csv\')
print(df)
# 为了防止出现中文乱码，在这里进行一下设置
plt.rcParams[\'font.sans-serif\']=[\'SimSun\']
plt.rcParams[\'axes.unicode_minus\']=False
#生成折线图
x_cel = ds[\'trade_date\'] #取值给曲线x
y_col1 = ds[\'open\'] #取值给y
y_col2 = ds[\'close\']
y_col3 = ds[\'high\']
plt.figure(figsize=(9, 7)) #定义画布尺寸
plt.plot_date(x_cel, y_col1, \'-\', label=\'open price\') #画线以及定义线的类型和命名
plt.plot_date(x_cel, y_col2, \'-\', label=\'closing price\')
plt.plot_date(x_cel, y_col3, \'-\', label=\'peak price\')
plt.xlabel(\'日期\') #给x和y轴命名
plt.ylabel(\'指数\')
plt.legend() #给图像加上图例
plt.xticks(rotation=45) #将x轴的图例坐标值，倾斜 45度放置
plt.style.use(\'ggplot\') #设置背景样式
plt.grid(True) #显示网格线
plt.title(\'如意集团2018年6月开盘价收盘价最高价折线图\', fontsize=10)
plt.savefig(\'D:/bigdata/如意集团开盘价收盘价最高折线图.png\')
balancesheet接口（资产负债表）
total_hldr_eqy_exc_min_int # 股东权益合计(不含少数股东权益)
total_hldr_eqy_inc_min_int # 股东权益合计(含少数股东权益)
total_liab # 负债合计
题目
import tushare as ts
pro = ts.pro_api(\'token\')
df=pro.balancesheet(ts_code=\'300410.SZ\',start_date=\'20210101\', end_date=\'20210631\',fields=\'ts_code,end_date,total_hldr_eqy_inc_min_int,total_liab\')
df = df[df.end_date.map(lambda x:x.find(\'12\',4,6)>=0)]
df.to_csv(\'300410.csv\')
print(df)
产权比率=负债/权益=1570748408.55/629392801.51=2.5
根据资料的信息收集题
仔细阅读所给材料（一般是背景资料或者背景资料中的PDF）
PDF中也可进行文字搜索
寻找队友帮助
作者：~逍遥子~
本文连接： https://www.cnblogs.com/femme/p/15470833.html
版权：本人个人所有
转载请注明出处