2. 历史数据获取和管理

使用qteasy可以获取并管理大量的历史数据。qteasy可以管理的历史数据涵盖股票、基金、指数、期货等等，种类包含价格数据、技术指标、宏观经济、公司财报、宏观金融等等。

所有数据都可以通过tushare的接口获取，下载到本地之后，就可以通过qteasy的接口进行管理和调用了。

查找支持历史数据

qteasy.find_history_data(s, match_description=False, fuzzy=False, freq=None, asset_type=None, match_threshold=0.85)[source]

根据输入的字符串，查找或匹配历史数据类型,并且显示该历史数据的详细信息。支持模糊查找、支持通配符、支持通过英文字符或中文 查找匹配的历史数据类型。

Paramètres:

  • s (str) – 一个字符串，用于查找或匹配历史数据类型

  • match_description (bool, Default: False) –

    是否模糊匹配数据描述，如果给出的字符串中含有非Ascii字符，会自动转为True

    • False: 仅匹配数据名称

    • True: 同时匹配数据描述

  • fuzzy (bool, Default: False) –

    是否模糊匹配数据名称，如果给出的字符串中含有非Ascii字符或通配符*/?，会自动转为True

    • False: 精确匹配数据名称

    • True: 模糊匹配数据名称或数据描述

  • freq (str, Default: None) – 数据频率，如果提供，则只匹配该频率的数据 可以输入单个频率，也可以输入逗号分隔的多个频率

  • asset_type (str, Default: None) – 证券类型，如果提供，则只匹配该证券类型的数据 可以输入单个证券类型，也可以输入逗号分隔的多个证券类型

  • match_threshold (float, default 0.85) – 匹配度阈值，匹配度超过该阈值的项目会被判断为匹配

Renvoie:

data_id – 匹配到的数据类型的data_id，可以用于qt.get_history_data()下载数据

Type renvoyé:

list

Exemples

>>> import qteasy as qt
>>> qt.find_history_data('pe')
matched following history data,
use "qt.get_history_data()" to load these historical data by its name:
------------------------------------------------------------------------
           freq asset             table                            desc
data_id
initial_pe    d     E         new_share                  新股上市信息 - 发行市盈率
pe            d   IDX   index_indicator                    指数技术指标 - 市盈率
pe            d     E   stock_indicator  股票技术指标 - 市盈率（总市值/净利润， 亏损的PE为空）
pe_2          d     E  stock_indicator2                  股票技术指标 - 动态市盈率
========================================================================

>>> qt.find_history_data('ep*')
matched following history data,
use "qt.get_history_data()" to load these historical data by its data_id:
------------------------------------------------------------------------
              freq asset      table                 desc
data_id
eps_last_year    q     E    express  上市公司业绩快报 - 去年同期每股收益
eps              q     E  financial    上市公司财务指标 - 基本每股收益
========================================================================

>>> qt.find_history_data('每股收益')
matched following history data,
use "qt.get_history_data()" to load these historical data by its data_id:
------------------------------------------------------------------------
                freq asset      table                 desc
data_id
basic_eps              q     E     income           上市公司利润表 - 基本每股收益
diluted_eps            q     E     income           上市公司利润表 - 稀释每股收益
express_diluted_eps    q     E    express     上市公司业绩快报 - 每股收益(摊薄)(元)
yoy_eps                q     E    express    上市公司业绩快报 - 同比增长率:基本每股收益
eps_last_year          q     E    express        上市公司业绩快报 - 去年同期每股收益
eps                    q     E  financial          上市公司财务指标 - 基本每股收益
dt_eps                 q     E  financial          上市公司财务指标 - 稀释每股收益
diluted2_eps           q     E  financial        上市公司财务指标 - 期末摊薄每股收益
q_eps                  q     E  financial       上市公司财务指标 - 每股收益(单季度)
basic_eps_yoy          q     E  financial  上市公司财务指标 - 基本每股收益同比增长率(%)
dt_eps_yoy             q     E  financial  上市公司财务指标 - 稀释每股收益同比增长率(%)
========================================================================
Lève:

TypeError – 输入的s不是字符串，或者freq/asset_type不是字符串或列表:

下载历史数据

qteasy.refill_data_source(tables, *, channel=None, data_source=None, dtypes=None, freqs=None, asset_types=None, refresh_trade_calendar=False, refill_dependent_tables=True, symbols=None, start_date=None, end_date=None, list_arg_filter=None, reversed_par_seq=False, parallel=True, process_count=None, chunk_size=100, download_batch_size=0, download_batch_interval=0, merge_type='update', log=False) → None[source]

从网络数据提供商的API通道批量下载数据，清洗后填充数据到本地数据源中

Paramètres:

  • tables (str or list of str, default: None) – 数据表名，必须是database中定义的数据表，用于指定需要下载的数据表 可以给出数据表名称，如 “stock_daily, stock_weekly” 也可以给出数据表的用途，如 “data, basic”

  • data_source (DataSource, Default None) – 需要填充数据的DataSource, 如果为None，则填充数据源到QT_DATA_SOURCE

  • channel (str, optional, Default 'tushare') –

    数据获取渠道，金融数据API，支持以下选项:

    • ”tushare” : 从Tushare API获取金融数据，请自行申请相应权限和积分

    • ’akshare” : 从AKshare API获取金融数据

    • ’eastmoney” : 从东方财富网获取金融数据

  • tables – 数据表名，必须是database中定义的数据表，用于指定需要下载的数据表

  • dtypes (str or list of str, default: None) – 需要下载的数据类型，用于进一步筛选数据表，必须是database中定义的数据类型

  • freqs (str or list of str, default: None) – 需要下载的数据频率，用于进一步筛选数据表，必须是database中定义的数据频率

  • asset_types (str or list of str, default: None) – 需要下载的数据资产类型，用于进一步筛选数据表，必须是database中定义的资产类型

  • refresh_trade_calendar (Bool, Default False) – 是否更新trade_calendar表，如果为True，则会下载trade_calendar表的数据

  • refill_dependent_tables (Bool, Default True, New in v1.4.3) – 是否更新依赖表的数据，默认True，如果设置为False，则忽略依赖表，这样可能导致数据下载不成功

  • start_date (str YYYYMMDD) – 限定数据下载的时间范围，如果给出start_date/end_date，只有这个时间段内的数据会被下载

  • end_date (str YYYYMMDD) – 限定数据下载的时间范围，如果给出start_date/end_date，只有这个时间段内的数据会被下载

  • list_arg_filter (str or list of str, default: None 注意，不是所有情况下filter_arg参数都有效) –

    限定下载数据时的筛选参数，某些数据表以列表的形式给出可筛选参数，如stock_basic表，它有一个可筛选 参数 »exchange »，选项包含 “SSE”, “SZSE”, “BSE”，可以通过此参数限定下载数据的范围。 如果filter_arg为None，则下载所有数据。 例如，下载stock_basic表数据时，下载以下输入均为合法输入：

    • ”SZSE”

      仅下载深圳交易所的股票数据

    • [“SSE”, “SZSE”]

    • ”SSE, SZSE”

      上面两种写法等效，下载上海和深圳交易所的股票数据

  • symbols (str or list of str, default: None) – 用于下载数据的股票代码，如果给出了symbols，只有这些股票代码的数据会被下载

  • reversed_par_seq (Bool, Default False) – 是否逆序参数下载数据， 默认False - True: 逆序参数下载数据 - False: 顺序参数下载数据

  • parallel (Bool, Default True) – 是否启用多线程下载数据 - True: 启用多线程下载数据 - False: 禁用多线程下载

  • process_count (int) – 启用多线程下载时，同时开启的线程数，默认值为设备的CPU核心数

  • chunk_size (int) – 保存数据到本地时，为了减少文件/数据库读取次数，将下载的数据累计一定数量后 再批量保存到本地，chunk_size即批量，默认值100

  • download_batch_size (int, default 0) – 为了降低下载数据时的网络请求频率，可以在完成一批数据下载后，暂停一段时间再继续下载 该参数指定了每次暂停之前最多可以下载的次数，该参数只有在parallel=False时有效 如果为0，则不暂停，一次性下载所有数据

  • download_batch_interval (int, default 0) – 为了降低下载数据时的网络请求频率，可以在完成一批数据下载后，暂停一段时间再继续下载 该参数指定了每次暂停的时间，单位为秒，该参数只有在parallel=False时有效 如果<=0，则不暂停，立即开始下一批数据下载

  • merge_type (str, Default 'update') – 数据写入数据源时的合并方式，支持以下选项： - “update” : 更新数据，如果数据已存在，则更新数据 - “ignore” : 忽略数据，如果数据已存在，则丢弃下载的数据

  • log (Bool, Default False) – 是否记录数据下载日志

Type renvoyé:

None

Exemples

>>> import qteasy as qt
>>> qt.refill_data_source(tables='stock_basic')

历史数据下载到本地之后，可以检查、管理、调用这些数据。

检查本地数据

qteasy.get_table_info(table_name, data_source=None, verbose=True) → dict[source]
获取并打印数据源中一张数据表的信息，包括数据量、占用磁盘空间、主键名称、内容

以及数据列的名称、数据类型及说明

2. Parameters:

table_name: str

需要查询的数据表名称

data_source: DataSource

需要获取数据表信息的数据源，默认None，此时获取QT_DATA_SOURCE的信息

verbose: bool, Default: True，

是否打印完整数据列名称及类型清单

returns:
{

table name: 数据表名称 table_exists: bool，数据表是否存在 table_size: int/str，数据表占用磁盘空间，human 为True时返回容易阅读的字符串 table_rows: int/str，数据表的行数，human 为True时返回容易阅读的字符串 primary_key1: str，数据表第一个主键名称 pk_count1: int，数据表第一个主键记录数量 pk_min1: obj，数据表主键1起始记录 pk_max1: obj，数据表主键2最终记录 primary_key2: str，数据表第二个主键名称 pk_count2: int，数据表第二个主键记录 pk_min2: obj，数据表主键2起始记录 pk_max2: obj，数据表主键2最终记录

}

rtype:

一个dict，包含数据表的结构化信息：

Exemples

>>> get_table_info('STOCK_BASIC')
<stock_basic>, 1.5MB/5K records on disc
primary keys:
-----------------------------------
1:  ts_code:
    <unknown> entries
    starts: 000001.SZ, end: 873527.BJ
columns of table:
------------------------------------
        columns       dtypes remarks
0       ts_code   varchar(9)    证券代码
1        symbol   varchar(6)    股票代码
2          name  varchar(20)    股票名称
3          area  varchar(10)      地域
4      industry  varchar(10)    所属行业
5      fullname  varchar(50)    股票全称
6        enname  varchar(80)    英文全称
7       cnspell  varchar(40)    拼音缩写
8        market   varchar(6)    市场类型
9      exchange   varchar(6)   交易所代码
10    curr_type   varchar(6)    交易货币
11  list_status   varchar(4)    上市状态
12    list_date         date    上市日期
13  delist_date         date    退市日期
14        is_hs   varchar(2)  是否沪深港通

获取已经下载的本地数据总览

qteasy.get_table_overview(data_source=None, tables=None, include_sys_tables=False) → DataFrame[source]

显示默认数据源或指定数据源的数据总览

Paramètres:

  • data_source (Object) – 一个data_source 对象,默认为None，如果为None，则显示默认数据源的overview

  • tables (str or list of str, Default: None) – 需要显示overview的数据表名称，如果为None，则显示所有数据表的overview

  • include_sys_tables (bool, Default: False) – 是否显示系统数据表的overview

Type renvoyé:

pd.DataFrame

Notes

用法示例参见get_data_overview()

qteasy.get_data_overview(data_source=None, tables=None, include_sys_tables=False) → DataFrame[source]

显示数据源的数据总览，等同于get_table_overview()

获取的信息包括所有数据表的数据量、占用磁盘空间、主键名称、内容等

Paramètres:

  • data_source (Object) – 一个data_source 对象,默认为None，如果为None，则显示默认数据源的overview

  • tables (str or list of str, Default: None) – 需要显示overview的数据表名称，如果为None，则显示所有数据表的overview

  • include_sys_tables (bool, Default: False) – 是否显示系统数据表的overview

Renvoie:

  • pd.DataFrame

  • 返回一个包含数据表的overview信息的DataFrame

Exemples

>>> import qteasy as qt
>>> qt.get_data_overview()  # 获取当前默认数据源的数据总览
Analyzing local data source tables... depending on size of tables, it may take a few minutes
[########################################]62/62-100.0%  Analyzing completed!
db:mysql://localhost@3306/ts_db
Following tables contain local data, to view complete list, print returned DataFrame
                 Has_data Size_on_disk Record_count Record_start  Record_end
table
trade_calendar     True        2.5MB         73K     1990-10-12   2023-12-31
stock_basic        True        1.5MB          5K           None         None
stock_names        True        1.5MB         14K     1990-12-10   2023-07-17
stock_company      True       18.5MB          3K           None         None
stk_managers       True      150.4MB        126K     2020-01-01   2022-07-27
index_basic        True        3.5MB         10K           None         None
fund_basic         True        4.5MB         17K           None         None
future_basic       True        1.5MB          7K           None         None
opt_basic          True       15.5MB         44K           None         None
stock_1min         True      42.83GB      273.0M       20220318     20230710
stock_5min         True      34.33GB      233.2M       20090105     20230710
stock_15min        True      14.45GB      141.2M       20090105     20230710
stock_30min        True       7.78GB       77.1M       20090105     20230710
stock_hourly       True       4.22GB       42.0M       20090105     20230710
stock_daily        True       1.49GB       11.6M     1990-12-19   2023-07-17
stock_weekly       True      231.9MB        2.6M     1990-12-21   2023-07-14
stock_monthly      True       50.6MB        635K     1990-12-31   2023-06-30
index_1min         True       4.25GB       27.6M       20220318     20230712
index_5min         True       6.18GB       47.2M       20090105     20230712
index_15min        True       2.61GB       26.1M       20090105     20230712
index_30min        True      884.0MB       12.9M       20090105     20230712
index_hourly       True      536.0MB        7.6M       20090105     20230712
index_daily        True      309.0MB        3.7M     1990-12-19   2023-07-10
index_weekly       True       61.6MB        674K     1991-07-05   2023-07-14
index_monthly      True       13.5MB        158K     1991-07-31   2023-06-30
fund_1min          True       5.46GB       55.8M       20220318     20230712
fund_5min          True       3.68GB       12.3M       20220318     20230712
fund_15min         True      835.9MB        3.9M       20220318     20230712
fund_30min         True      385.7MB        1.9M       20220318     20230712
fund_hourly        True      124.8MB        1.6M       20210104     20230629
fund_daily         True      129.7MB        1.6M     1998-04-07   2023-07-10
fund_nav           True      693.0MB       13.6M     2000-01-07   2023-07-07
fund_share         True       72.7MB        1.4M     1998-03-27   2023-07-14
fund_manager       True      109.7MB         37K     2000-02-22   2023-03-30
future_hourly      True         32KB           0           None         None
future_daily       True      190.8MB        2.0M     1995-04-17   2023-07-10
options_hourly     True         32KB           0           None         None
options_daily      True      436.0MB        4.6M     2015-02-09   2023-07-10
stock_adj_factor   True      897.0MB       11.8M     1990-12-19   2023-07-12
fund_adj_factor    True       74.6MB        1.8M     1998-04-07   2023-07-12
stock_indicator    True       2.06GB       11.8M     1999-01-01   2023-07-17
stock_indicator2   True      734.8MB        4.1M     2017-06-14   2023-07-10
index_indicator    True        4.5MB         45K     2004-01-02   2023-07-10
index_weight       True      748.0MB        8.7M     2005-04-08   2023-07-14
income             True       59.7MB        213K     1990-12-31   2023-06-30
balance            True       97.8MB        218K     1989-12-31   2023-06-30
cashflow           True       69.7MB        181K     1998-12-31   2023-06-30
financial          True      289.0MB        203K     1989-12-31   2023-06-30
forecast           True       32.6MB         98K     1998-12-31   2024-03-31
express            True        3.5MB         23K     2004-12-31   2023-06-30
shibor             True         16KB         212           None         None

使用下载的数据——基础数据

qteasy.get_basic_info(code_or_name: str, asset_types=None, match_full_name=False, printout=True, verbose=False)[source]
等同于get_stock_info()

根据输入的信息，查找股票、基金、指数或期货、期权的基本信息

Paramètres:

  • code_or_name –

    证券代码或名称：

    • 如果是证券代码，可以含后缀也可以不含后缀，含后缀时精确查找、不含后缀时全局匹配

    • 如果是证券名称，可以包含通配符模糊查找，也可以通过名称模糊查找

    • 如果精确匹配到一个证券代码，返回一个字典，包含该证券代码的相关信息

  • asset_types (默认None) –

    证券类型，接受列表或逗号分隔字符串，包含认可的资产类型：

    • E 股票

    • IDX 指数

    • FD 基金

    • FT 期货

    • OPT 期权

  • match_full_name (bool, default False) – 是否匹配股票或基金的全名，默认否，如果匹配全名，耗时更长

  • printout (bool, default True) – 如果为True，打印匹配到的结果

  • verbose (bool, default False) –

    当匹配到的证券太多时（多于五个），是否显示完整的信息

    • False 默认值，只显示匹配度最高的内容

    • True 显示所有匹配到的内容

Renvoie:

当仅找到一个匹配时，返回一个dict，包含找到的基本信息，根据不同的证券类型，找到的信息不同：

  • 股票信息：公司名、地区、行业、全名、上市状态、上市日期

  • 指数信息：指数名、全名、发行人、种类、发行日期

  • 基金： 基金名、管理人、托管人、基金类型、发行日期、发行数量、投资类型、类型

  • 期货： 期货名称

  • 期权： 期权名称

Type renvoyé:

dict

Exemples

>>> get_basic_info('000001.SZ')
found 1 matches, matched codes are {'E': {'000001.SZ': '平安银行'}, 'count': 1}
More information for asset type E:
------------------------------------------
ts_code       000001.SZ
name               平安银行
area                 深圳
industry             银行
fullname     平安银行股份有限公司
list_status           L
list_date    1991-04-03
-------------------------------------------

>>> get_basic_info('000001')
found 4 matches, matched codes are {'E': {'000001.SZ': '平安银行'}, 'IDX': {'000001.CZC': '农期指数', '000001.SH': '上证指数'}, 'FD': {'000001.OF': '华夏成长'}, 'count': 4}
More information for asset type E:
------------------------------------------
ts_code       000001.SZ
name               平安银行
area                 深圳
industry             银行
fullname     平安银行股份有限公司
list_status           L
list_date    1991-04-03
-------------------------------------------
More information for asset type IDX:
------------------------------------------
ts_code   000001.CZC   000001.SH
name            农期指数        上证指数
fullname        农期指数      上证综合指数
publisher    郑州商品交易所        中证公司
category        商品指数        综合指数
list_date       None  1991-07-15
-------------------------------------------
More information for asset type FD:
------------------------------------------
ts_code        000001.OF
name                华夏成长
management          华夏基金
custodian         中国建设银行
fund_type            混合型
issue_date    2001-11-28
issue_amount     32.3683
invest_type          成长型
type              契约型开放式
-------------------------------------------

>>> get_basic_info('平安银行')
found 4 matches, matched codes are {'E': {'000001.SZ': '平安银行', '600928.SH': '西安银行'}, 'IDX': {'802613.SI': '平安银行养老新兴投资指数'}, 'FD': {'700001.OF': '平安行业先锋'}, 'count': 4}
More information for asset type E:
------------------------------------------
ts_code       000001.SZ   600928.SH
name               平安银行        西安银行
area                 深圳          陕西
industry             银行          银行
fullname     平安银行股份有限公司  西安银行股份有限公司
list_status           L           L
list_date    1991-04-03  2019-03-01
-------------------------------------------
More information for asset type IDX:
------------------------------------------
ts_code       802613.SI
name       平安银行养老新兴投资指数
fullname   平安银行养老新兴投资指数
publisher          申万研究
category           价值指数
list_date    2017-01-03
-------------------------------------------
More information for asset type FD:
------------------------------------------
ts_code        700001.OF
name              平安行业先锋
management          平安基金
custodian           中国银行
fund_type            混合型
issue_date    2011-08-15
issue_amount     31.9816
invest_type          混合型
type              契约型开放式
-------------------------------------------

>>> get_basic_info('贵州钢绳', match_full_name=False)
No match found! To get better result, you can
- pass "match_full_name=True" to match full names of stocks and funds

>>> get_basic_info('贵州钢绳', match_full_name=True)
found 1 matches, matched codes are {'E': {'600992.SH': '贵绳股份'}, 'count': 1}
More information for asset type E:
------------------------------------------
ts_code       600992.SH
name               贵绳股份
area                 贵州
industry            钢加工
fullname     贵州钢绳股份有限公司
list_status           L
list_date    2004-05-14
-------------------------------------------
qteasy.get_stock_info(code_or_name: str, asset_types=None, match_full_name=False, printout=True, verbose=False)[source]
等同于get_basic_info()

根据输入的信息，查找股票、基金、指数或期货、期权的基本信息

Paramètres:

  • code_or_name – 证券代码或名称， 如果是证券代码，可以含后缀也可以不含后缀，含后缀时精确查找、不含后缀时全局匹配 如果是证券名称，可以包含通配符模糊查找，也可以通过名称模糊查找 如果精确匹配到一个证券代码，返回一个字典，包含该证券代码的相关信息

  • asset_types –

    证券类型，接受列表或逗号分隔字符串，包含认可的资产类型：

    • E 股票

    • IDX 指数

    • FD 基金

    • FT 期货

    • OPT 期权

  • match_full_name (bool) – 是否匹配股票或基金的全名，默认否，如果匹配全名，耗时更长

  • printout (bool) – 如果为True，打印匹配到的结果

  • verbose (bool) –

    当匹配到的证券太多时（多于五个），是否显示完整的信息

    • False 默认值，只显示匹配度最高的内容

    • True 显示所有匹配到的内容

Renvoie:

当仅找到一个匹配时，返回一个dict，包含找到的基本信息，根据不同的证券类型，找到的信息不同：

  • 股票信息：公司名、地区、行业、全名、上市状态、上市日期

  • 指数信息：指数名、全名、发行人、种类、发行日期

  • 基金： 基金名、管理人、托管人、基金类型、发行日期、发行数量、投资类型、类型

  • 期货： 期货名称

  • 期权： 期权名称

Type renvoyé:

dict

Notes

用法示例参见：get_basic_info()

qteasy.filter_stock_codes(date: str = 'today', **kwargs) → list[source]

根据输入的参数调用filter_stocks筛选股票，并返回股票代码的清单

Paramètres:

  • date (date-like str) – 筛选股票的上市日期，在该日期以后上市的股票将会被剔除：

  • kwargs (str or list of str) – 可以通过以下参数筛选股票, 可以同时输入多个筛选条件，只有符合要求的股票才会被筛选出来

Type renvoyé:

list, 股票代码清单

Voir aussi

filter_stocks

qteasy.filter_stocks(date: str = 'today', **kwargs) → DataFrame[source]

根据输入的参数筛选股票，并返回一个包含股票代码和相关信息的DataFrame

Paramètres:

  • date (date-like str) – 筛选股票的上市日期，在该日期以后上市的股票将会被剔除：

  • kwargs (str or list of str) – 可以通过以下参数筛选股票, 可以同时输入多个筛选条件，只有符合要求的股票才会被筛选出来 - index: 根据指数筛选，不含在指定的指数内的股票将会被剔除 - industry: 公司所处行业，只有列举出来的行业会被选中 - area: 公司所处省份，只有列举出来的省份的股票才会被选中 - market: 市场，分为主板、创业板等 - exchange: 交易所，包括上海证券交易所和深圳股票交易所

Renvoie:

DataFrame

Type renvoyé:

筛选出来的股票的基本信息

Exemples

>>> # 筛选出2019年1月1日以后的上证300指数成分股
>>> filter_stocks(date='2019-01-01', index='000300.SH')
       symbol   name area industry market  list_date exchange
ts_code
000001.SZ  000001   平安银行   深圳       银行     主板 1991-04-03     SZSE
000002.SZ  000002    万科A   深圳     全国地产     主板 1991-01-29     SZSE
000063.SZ  000063   中兴通讯   深圳     通信设备     主板 1997-11-18     SZSE
000069.SZ  000069   华侨城A   深圳     全国地产     主板 1997-09-10     SZSE
000100.SZ  000100  TCL科技   广东      元器件     主板 2004-01-30     SZSE
           ...    ...  ...      ...    ...        ...      ...
600732.SH  600732   爱旭股份   上海     电气设备     主板 1996-08-16      SSE
600754.SH  600754   锦江酒店   上海     酒店餐饮     主板 1996-10-11      SSE
600875.SH  600875   东方电气   四川     电气设备     主板 1995-10-10      SSE
601699.SH  601699   潞安环能   山西     煤炭开采     主板 2006-09-22      SSE
688223.SH  688223   晶科能源   江西     电气设备    科创板 2022-01-26      SSE
[440 rows x 7 columns]

>>> # 筛选出2019年1月1日以后上市的上海银行业的股票
>>> filter_stocks(date='2019-01-01', industry='银行', area='上海')
           name area industry market  list_date exchange
ts_code
600000.SH  浦发银行   上海       银行     主板 1999-11-10      SSE
601229.SH  上海银行   上海       银行     主板 2016-11-16      SSE
601328.SH  交通银行   上海       银行     主板 2007-05-15      SSE

使用下载的数据——获取价格或技术指标

qteasy.get_history_data(htypes=None, *, htype_names=None, data_types=None, data_source=None, shares=None, symbols=None, start=None, end=None, freq=None, rows=None, asset_type=None, adj=None, as_data_frame=None, group_by=None, **kwargs)[source]
从本地data_source获取所需的数据并组装为适应于策略

需要的HistoryPanel数据对象

需要获取的数据类型可以由data_types参数给出，如果不给出data_types参数，则可以通过htypes/htype_names等参数 结合freq和asset_type参数创建可能的htypes，如果给出了data_types参数，则htypes/htype_names参数将被忽略

Paramètres:

  • htype_names ([str], str) –

    需要获取的历史数据的名称集合，如果htypes为空，则系统将尝试通过根据历史数据名称和freq/asset_type参数创建 所有可能的htypes。输入方式可以为str或list：

    • str: “open, high, low, close”

    • list: [“open”, “high”, “low”, “close”]

  • htypes ([DataType], deprecated) – 需要获取的历史数据的名称集合，如果htypes为空，则系统将尝试通过根据历史数据名称和freq/asset_type参数创建 所有可能的htypes。输入方式可以为str或list：

  • data_types ([DataType],) – 需要获取的历史数据类型集合，必须是合法的数据类型对象。 如果给出了本参数，htype_names会被忽略，否则根据htype_names参数创建可能的htypes

  • data_source (DataSource) – 需要获取历史数据的数据源

  • shares ([str, list] 等同于symbols) –

    需要获取历史数据的证券代码集合，可以是以逗号分隔的证券代码字符串或者证券代码字符列表， 如以下两种输入方式皆合法且等效：

    • str: “000001.SZ, 000002.SZ, 000004.SZ, 000005.SZ”

    • list: [“000001.SZ”, “000002.SZ”, “000004.SZ”, “000005.SZ”]

  • symbols ([str, list] 等同于shares) – 需要获取历史数据的证券代码集合，可以是以逗号分隔的证券代码字符串或者证券代码字符列表， 如以下两种输入方式皆合法且等效： - str: “000001, 000002, 000004, 000005” - list: [“000001”, “000002”, “000004”, “000005”]

  • start (str) – YYYYMMDD HH:MM:SS 格式的日期/时间，获取的历史数据的开始日期/时间(如果可用)

  • end (str) – YYYYMMDD HH:MM:SS 格式的日期/时间，获取的历史数据的结束日期/时间(如果可用)

  • rows (int, default: 10) – 获取的历史数据的行数，如果指定了start和end，则忽略此参数，且获取的数据的时间范围为[start, end] 如果未指定start和end，则获取数据表中最近的rows条数据，使用row来获取数据时，速度比使用日期慢得多

  • freq (str) –

    获取的历史数据的频率，包括以下选项：

    • 1/5/15/30min 1/5/15/30分钟频率周期数据(如K线)

    • H/D/W/M 分别代表小时/天/周/月 周期数据(如K线)

  • asset_type (str, list) –

    限定获取的数据中包含的资产种类，包含以下选项或下面选项的组合，合法的组合方式包括 逗号分隔字符串或字符串列表，例如: “E, IDX” 和 [“E”, “IDX”]都是合法输入

    • any: 可以获取任意资产类型的证券数据(默认值)

    • E: 只获取股票类型证券的数据

    • IDX: 只获取指数类型证券的数据

    • FT: 只获取期货类型证券的数据

    • FD: 只获取基金类型证券的数据

  • adj (str, deprecated: adj is depreated since version 1.4 and will be removed) –

    Deprecated: 对于某些数据，可以获取复权数据，需要通过复权因子计算，复权选项包括：

    • none / n: 不复权(默认值)

    • back / b: 后复权

    • forward / fw / f: 前复权

    从下一个版本开始，adj参数将不再可用，请直接在htype中使用close:b等方式指定复权价格

  • as_data_frame (bool, Default: True) – True时返回HistoryPanel对象,False时返回一个包含DataFrame对象的字典

  • group_by (str, 默认'shares') – 如果返回DataFrame对象，设置dataframe的分组策略 - “shares” / “share” / “s”: 每一个share组合为一个dataframe - “htypes” / “htype” / “h”: 每一个htype组合为一个dataframe

  • **kwargs –

    用于生成trade_time_index的参数，包括： drop_nan: bool

    是否保留全NaN的行

    resample_method: str

    如果数据需要升频或降频时，调整频率的方法 调整数据频率分为数据降频和升频，在两种不同情况下，可用的method不同： 数据降频就是将多个数据合并为一个，从而减少数据的数量，但保留尽可能多的信息， 例如，合并下列数据(每一个tuple合并为一个数值，?表示合并后的数值）

    [(1, 2, 3), (4, 5), (6, 7)] 合并后变为: [(?), (?), (?)]

    数据合并方法: - “last”/”close”: 使用合并区间的最后一个值。如：

    [(1, 2, 3), (4, 5), (6, 7)] 合并后变为: [(3), (5), (7)]

    • ”first”/”open”: 使用合并区间的第一个值。如：

      [(1, 2, 3), (4, 5), (6, 7)] 合并后变为: [(1), (4), (6)]

    • ”max”/”high”: 使用合并区间的最大值作为合并值：

      [(1, 2, 3), (4, 5), (6, 7)] 合并后变为: [(3), (5), (7)]

    • ”min”/”low”: 使用合并区间的最小值作为合并值：

      [(1, 2, 3), (4, 5), (6, 7)] 合并后变为: [(1), (4), (6)]

    • ”avg”/”mean”: 使用合并区间的平均值作为合并值：

      [(1, 2, 3), (4, 5), (6, 7)] 合并后变为: [(2), (4.5), (6.5)]

    • ”sum”/”total”: 使用合并区间的平均值作为合并值：

      [(1, 2, 3), (4, 5), (6, 7)] 合并后变为: [(2), (4.5), (6.5)]

    数据升频就是在已有数据中插入新的数据，插入的新数据是缺失数据，需要填充。 例如，填充下列数据(?表示插入的数据）

    [1, 2, 3] 填充后变为: [?, 1, ?, 2, ?, 3, ?]

    缺失数据的填充方法如下: - “ffill”: 使用缺失数据之前的最近可用数据填充，如果没有可用数据，填充为NaN。如：

    [1, 2, 3] 填充后变为: [NaN, 1, 1, 2, 2, 3, 3]

    • ”bfill”: 使用缺失数据之后的最近可用数据填充，如果没有可用数据，填充为NaN。如：

      [1, 2, 3] 填充后变为: [1, 1, 2, 2, 3, 3, NaN]

    • ”nan”: 使用NaN值填充缺失数据：

      [1, 2, 3] 填充后变为: [NaN, 1, NaN, 2, NaN, 3, NaN]

    • ”zero”: 使用0值填充缺失数据：

      [1, 2, 3] 填充后变为: [0, 1, 0, 2, 0, 3, 0]

    b_days_only: bool 默认True

    是否强制转换自然日频率为工作日，即： “D” -> “B” “W” -> “W-FRI” “M” -> “BM”

    trade_time_only: bool, default True

    为True时 仅生成交易时间段内的数据，交易时间段的参数通过**kwargs设定

    include_start: bool, default True

    日期时间序列是否包含开始日期/时间

    include_end: bool, default True

    日期时间序列是否包含结束日期/时间

    start_am:, str

    早晨交易时段的开始时间

    end_am:, str

    早晨交易时段的结束时间

    include_start_am: bool

    早晨交易时段是否包括开始时间

    include_end_am: bool

    早晨交易时段是否包括结束时间

    start_pm: str

    下午交易时段的开始时间

    end_pm: str

    下午交易时段的结束时间

    include_start_pm: bool

    下午交易时段是否包含开始时间

    include_end_pm: bool

    下午交易时段是否包含结束时间

Renvoie:

  • HistoryPanel – 如果设置as_data_frame为False，则返回一个HistoryPanel对象

  • Dict of DataFrame – 如果设置as_data_frame为True，则返回一个Dict，其值为多个DataFrames

Exemples

>>> import qteasy as qt
# 给出历史数据类型和证券代码，起止时间，可以获取该时间段内该股票的历史数据
>>> qt.get_history_data(htype_names='open, high, low, close, vol', shares='000001.SZ', start='20191225', end='20200110')
{'000001.SZ':
             open   high    low  close         vol
2019-12-25  16.45  16.56  16.24  16.30   414917.98
2019-12-26  16.34  16.48  16.32  16.47   372033.86
2019-12-27  16.53  16.93  16.43  16.63  1042574.72
2019-12-30  16.46  16.63  16.10  16.57   976970.31
2019-12-31  16.57  16.63  16.31  16.45   704442.25
2020-01-02  16.65  16.95  16.55  16.87  1530231.87
2020-01-03  16.94  17.31  16.92  17.18  1116194.81
2020-01-06  17.01  17.34  16.91  17.07   862083.50
2020-01-07  17.13  17.28  16.95  17.15   728607.56
2020-01-08  17.00  17.05  16.63  16.66   847824.12
2020-01-09  16.81  16.93  16.53  16.79  1031636.65
2020-01-10  16.79  16.81  16.52  16.69   585548.45
}
>>> # 除了股票的价格数据以外，也可以获取基金、指数的价格数据，如下面的代码获取000300.SH的指数价格
>>> qt.get_history_data(htype_names='close', shares='000300.SH', start='20191225', end='20200105')
{'000300.SH':
              close
2019-12-25  3990.87
2019-12-26  4025.99
2019-12-27  4022.03
2019-12-30  4081.63
2019-12-31  4096.58
2020-01-02  4152.24
2020-01-03  4144.96
}
>>> # 以及基金的净值数据
>>> qt.get_history_data(htype_names='unit_nav, accum_nav', shares='000001.OF', start='20191225', end='20200105')
{'000001.OF':
            unit_nav  accum_nav
2019-12-25     1.086      3.547
2019-12-26     1.096      3.557
2019-12-27     1.091      3.552
2019-12-30     1.100      3.561
2019-12-31     1.105      3.566
2020-01-02     1.123      3.584
2020-01-03     1.127      3.588
}
>>> # 不光价格数据，其他类型的数据也可以同时获取：
>>> qt.get_history_data(htype_names='close, pe, pb', shares='000001.SZ', start='20191225', end='20200105')
{'000001.SZ':
            close       pe      pb
2019-12-25  16.30  12.7454  1.1798
2019-12-26  16.47  12.8784  1.1921
2019-12-27  16.63  13.0035  1.2036
2019-12-30  16.57  12.9566  1.1993
2019-12-31  16.45  12.8627  1.1906
2020-01-02  16.87  13.1911  1.2210
2020-01-03  17.18  13.4335  1.2434
}
>>> # 可以同时混合获取多只股票、指数、多种数据类型的数据，如果某些数据类型缺失，会用NaN填充，注意000001.SZ是股票平安银行，000001.SH是上证指数
>>> qt.get_history_data(htype_names='close, pe, pb, total_mv, eps', shares='000001.SZ, 000001.SH', start='20191225', end='20200105')
{'000001.SZ':
            close       pe      pb      total_mv   eps
2019-12-25  16.30  12.7454  1.1798  3.163165e+07   NaN
2019-12-26  16.47  12.8784  1.1921  3.196155e+07   NaN
2019-12-27  16.63  13.0035  1.2036  3.227204e+07   NaN
2019-12-30  16.57  12.9566  1.1993  3.215561e+07   NaN
2019-12-31  16.45  12.8627  1.1906  3.192274e+07  1.54
2020-01-02  16.87  13.1911  1.2210  3.273778e+07  1.54
2020-01-03  17.18  13.4335  1.2434  3.333937e+07  1.54,
'000001.SH':
              close     pe    pb      total_mv  eps
2019-12-25  2981.88  13.74  1.38  3.987686e+13  NaN
2019-12-26  3007.35  13.85  1.39  4.020871e+13  NaN
2019-12-27  3005.04  13.85  1.39  4.019086e+13  NaN
2019-12-30  3040.02  14.00  1.40  4.064796e+13  NaN
2019-12-31  3050.12  14.05  1.41  4.079249e+13  NaN
2020-01-02  3085.20  14.22  1.42  4.128453e+13  NaN
2020-01-03  3083.79  14.22  1.42  4.127933e+13  NaN
}
>>> # 通过设置freq参数，可以获取不同频率的K线数据，如设置freq='H'可以获取1小时频率的数据
>>> qt.get_history_data(htype_names='open:b, high:b, low:b, close:b', shares='000001.SZ', start='20191229', end='20200106', freq='H', asset_type='E')
 {'000001.SZ':
                           open        high         low       close
2019-12-30 10:00:00  1796.92174  1796.92174  1796.92174  1796.92174
2019-12-30 11:00:00  1790.37160  1800.19681  1758.71259  1786.00484
2019-12-30 14:00:00  1811.11371  1813.29709  1795.83005  1806.74695
2019-12-30 15:00:00  1805.65526  1808.93033  1793.64667  1808.93033
2019-12-31 10:00:00  1808.93033  1808.93033  1808.93033  1808.93033
2019-12-31 11:00:00  1806.74695  1806.74695  1780.54639  1788.18822
2019-12-31 14:00:00  1786.00484  1788.18822  1781.63808  1786.00484
2019-12-31 15:00:00  1786.00484  1796.92174  1783.82146  1795.83005
2020-01-02 10:00:00  1817.66385  1817.66385  1817.66385  1817.66385
2020-01-02 11:00:00  1819.84723  1848.23117  1807.83864  1840.58934
2020-01-02 14:00:00  1842.77272  1847.13948  1828.58075  1843.86441
2020-01-02 15:00:00  1843.86441  1844.95610  1836.22258  1841.68103
2020-01-03 10:00:00  1849.32286  1849.32286  1849.32286  1849.32286
2020-01-03 11:00:00  1849.32286  1879.89018  1849.32286  1877.70680
2020-01-03 14:00:00  1863.51483  1889.71539  1863.51483  1884.25694
2020-01-03 15:00:00  1884.25694  1884.25694  1872.24835  1875.52342
}
>>> # 可以设置b_days_only参数来将价格填充到非交易日，形成完整的日期序列
>>> qt.get_history_data(htype_names='open, high, low, close, vol', shares='000001.SZ', start='20191225', end='20200105', b_days_only=False)
{'000001.SZ':
              open   high    low  close         vol
 2019-12-25  16.45  16.56  16.24  16.30   414917.98
 2019-12-26  16.34  16.48  16.32  16.47   372033.86
 2019-12-27  16.53  16.93  16.43  16.63  1042574.72
 2019-12-28  16.53  16.93  16.43  16.63  1042574.72
 2019-12-29  16.53  16.93  16.43  16.63  1042574.72
 2019-12-30  16.46  16.63  16.10  16.57   976970.31
 2019-12-31  16.57  16.63  16.31  16.45   704442.25
 2020-01-01  16.57  16.63  16.31  16.45   704442.25
 2020-01-02  16.65  16.95  16.55  16.87  1530231.87
 2020-01-03  16.94  17.31  16.92  17.18  1116194.81
 2020-01-04  16.94  17.31  16.92  17.18  1116194.81
 2020-01-05  16.94  17.31  16.92  17.18  1116194.81
 }
>>> # 使用特殊的htypes，可以获取特定的数据，如指数权重数据，下面的代码获取000001.SZ在HS300指数重的权重数据，单位为百分比
>>> qt.get_history_data(htype_names='wt_id:000300.SH', shares='000001.SZ, 000002.SZ', start='20191225', end='20200105')
{'000001.SZ':
            wt_idx:000300.SH
2020-01-02        1.1714
2020-01-03        1.1714,
'000002.SZ':
            wt_idx:000300.SH
2020-01-02        1.3595
2020-01-03        1.3595
}