前言

说明

有人的地方就有江湖，有交易的地方就有金融。

出于对金融证券的兴趣，作者去年疫情期间开始对金融证券以及数据分析进行学习，去年也已获得证券从业资格证，完整数据分析的内容实现已在两个月前完成。
此篇仅为作者完成的完整数据分析的部分内容（股票数据获取及K线绘制的简化内容）。

注意

-----------------------------------------------------------------------------------
投资有风险，入市需谨慎
本文不构成任何投资建议！
-----------------------------------------------------------------------------------

数据获取

Tushare获取股票数据

通过tushare调用token进行获取
直接进入–> tushare

基本调用可查看文章：Tushare调用Token口令对股票数据进行获取

tushare注册后获得接口令牌即token

获取医疗器械板块数据（代码部分）

下面开始在python中通过代码获取相关数据。
以医疗器械板块2020年1月1号至2020年3月31号为例

import tushare as ts
import warningswarnings.simplefilter('ignore')
token = 'XXXXXXXXXXXX'	# 以自己的token为例
pro = ts.pro_api(token)def get_Plate(stock_code):df = pro.ths_daily(ts_code=stock_code, start_date='20200101', end_date='20200331')# df = pd.DataFrame(df)# 选择时间段2020年初爆发疫情最近3个月csv_name = '医疗器械概念_pr.csv'df.to_csv(csv_name)print("医疗器械概念板块 + ':\n', df)if __name__ == '__main__':get_Plate('885539.TI')  # 医疗器械概念板块

获取股票数据（代码部分）

在python中进行数据获取（以迈瑞医疗2020年1月1号至2020年3月31号为例）

import tushare as ts
import warningswarnings.simplefilter('ignore')
token = 'XXXXXXXXXXXX'	# 以自己的token为例
pro = ts.pro_api(token)def get_Stock(stock_code):
# 获取这类股票的日线df = pro.daily(ts_code=stock_code, start_date='20200101', end_date='20200331') # 选择时间段2020年初爆发疫情最近3个月stock_name = stock_code[:6]df.to_csv(stock_name + '.csv')print(stock_name + ':\n', df)if __name__ == '__main__':get_Stock('300760.SZ')  # 迈瑞医疗

获取成功，如下

数据预处理

变量中文化（代码部分）

import jsondef get_Stock(stock_code):df = pro.daily(ts_code=stock_code, start_date='20200101', end_date='20200331')# 选择时间段2020年初爆发疫情最近3个月columns_change = '{"ts_code":"股票代码","trade_date":"交易日期","open":"开盘价","high":"最高价","low":"最低价","close":"收盘价",' \'"pre_close":"昨日收盘价","change":"涨跌额","pct_chg":"涨跌幅","vol":"成交量","amount":"成交额"} 'columns_changes = json.loads(columns_change)df.rename(columns=columns_changes, inplace=True)stock_name = stock_code[:6]df.to_csv(stock_name + "_pr" + '.csv')print(stock_name + "预处理" + ':\n', df)

可得如下

K线绘制

对于相关金融数据的可视化处理，下面主要通过Python中的可视化工具库来完成，包括Seaborn、Matplotlib等优秀的图像处理库，以及mplfinance这类优秀的金融数据分析工具库等。
（下面以Matplotlib为例~~）

代码部分

import pandas as pd
import numpy as np
from matplotlib import pyplot as plt
from mplfinance.original_flavor import candlestick_ochl
from matplotlib import ticker
import warningsplt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
warnings.simplefilter("ignore")class VisualizingKline:    # 声明：定义一个制作K线的类def read_file(self):df_stock = pd.read_csv(f'../数据获取/{self}_pr.csv', index_col=[0], dtype={'股票代码': 'str', '交易日期': 'str'})  # 去掉第一列数字列columnprint(df_stock.head(3))     # 打印头三行print(df_stock.tail(3))     # 打印尾三行df_stock_pr = df_stock.query('交易日期 >= "20200101"').reset_index()df_stock_pr = df_stock_pr.sort_values(by='交易日期', ascending=True)  # 创建df_stock_pr接收数据按照日期降序排列的文件df_stock_pr['dates'] = np.arange(0, len(df_stock_pr))   # len(df_stock_pr):记录数fig, ax = plt.subplots(figsize=(9, 5))fig.subplots_adjust(bottom=0.2)candlestick_ochl(ax, quotes=df_stock_pr[['dates', '开盘价', '收盘价', '最高价', '最低价', '涨跌额']].values,colorup='r', colordown='g', width=0.65, alpha=0.85)dt_tick = df_stock_pr['交易日期'].valuesdef fm_d(x):if (x < 0) or (x > len(dt_tick)-1):return ''return dt_tick[int(x)]ax.xaxis.set_major_formatter(ticker.FuncFormatter(fm_d))# 按一定规则选取并在水平轴上显示时间刻度plt.xticks(rotation=15)  # 关于交易日期变量的旋转角度ax.set_ylabel('交易价格')plt.xlabel('交易日期')plt.title(f'{self}的K线图生成如下')plt.grid(True)  # 网格效果plt.show()

结果展示

得到迈瑞医疗300760的K线图如下

写在最后

注：不构成任何投资建议，股市有风险，投资需谨慎！
-----------------------------------------------------------------------------------
未经作者允许，不得转载
-----------------------------------------------------------------------------------