到时候需要使用了直接打开一次就行
##获取所有股票的代码
def get_data_list(cursor, sql, conn):
cursor.execute(sql)
res = cursor.fetchall()
conn.commit()
#这两句话是Python代码，用于将一个元组列表转换为字符串列表。第一行代码将res转换为列表，
# 第二行代码使用了列表推导式和join()函数将每个元组中的元素连接成一个字符串，
# 然后将这些字符串连接成一个大字符串。最终结果是一个字符串列表。
ts_codes_list = list(res)
ts_codes_list = [",".join(list(x)) for x in ts_codes_list]
return ts_codes_list原作者将要实现的功能都封装成了方法，使用的时候直接调用，我也采用的这种方式，代码看起来就十分优雅。
# 使用接口
def get_token():
ts.set_token("209f020xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx")
pro = ts.pro_api()
return pro这个是最核心的功能：
##获取数据
#从ts_codes_list中获取每日的股票数据，并返回一个DataFrame对象——daily
def get_data(stock, pro):
if stock[0]=="6":name=stock+".SH"
elif stock[0]=="0" :name=stock+".SZ"
else:name=stock+".BJ"
daily = pd.DataFrame(columns=["ts_code", "trade_date", "open", "high","low","close", "pre_close","pct_chg","vol","amount"])#创建daily对象
# for i in range(0, len(ts_codes_list), 100):#每次从ts_codes_list里面取100个数据，从0开始，到列表结束为止
# j = i + 100 #设定一个游标，最后省下不够100的时候，按照实际长度来作为操作的长度
# if (j >= len(ts_codes_list)):
# j = len(ts_codes_list)
# name = ",".join(ts_codes_list[i:j])#将从i到j的100条股票代码数据加入到字符串中
part = pro.daily(ts_code=name,start_date=20100101, end_date=get_yesterday_date())[#获取的部分数据
["ts_code", "trade_date", "open", "high","low","close", "pre_close","pct_chg","vol","amount"]]#【代码，交易日期，开盘，结束，涨跌额度，昨天收盘价】
daily = pd.concat([daily, part], ignore_index=True)#用于将两个DataFrame对象daily和part沿着行方向拼接
#将daily中的trade_date列的值转换为get_date_format函数返回的格式。apply是一个DataFrame对象的方法，
# 它可以对每个元素或每行或每列应用一个函数，并返回一个新的对象。
#将日期格式改变为
daily["trade_date"] = daily["trade_date"].apply(get_date_format)
return daily个人感觉我的注释做的还算可以，又不懂的小伙伴可以私聊我
这是全部的代码：
import tushare as ts
import pandas as pd
import datetime
from sqlalchemy import create_engine
from decimal import Decimal
import pymysql
import warnings
warnings.filterwarnings("ignore")
# 使用接口
def get_token():
ts.set_token("209f020xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx")
pro = ts.pro_api()
return pro
##获取所有股票的代码
def get_data_list(cursor, sql, conn):
cursor.execute(sql)
res = cursor.fetchall()
conn.commit()
#这两句话是Python代码，用于将一个元组列表转换为字符串列表。第一行代码将res转换为列表，
# 第二行代码使用了列表推导式和join()函数将每个元组中的元素连接成一个字符串，
# 然后将这些字符串连接成一个大字符串。最终结果是一个字符串列表。
ts_codes_list = list(res)
ts_codes_list = [",".join(list(x)) for x in ts_codes_list]
return ts_codes_list
# mysql连接之前，先得到conn和游标
def start_con():
conn = pymysql.connect(
host="localhost",
user="root", password="1234",
database="history",
charset="utf8")
cursor = conn.cursor()
return conn, cursor
#获得截止到昨天的时日期数据
def get_yesterday_date():
now_time = datetime.datetime.now()#获得当前日期数据
date = (now_time + datetime.timedelta(days=-1)).strftime("%Y%m%d") # 获取后一天
return date
def get_date_format(x):#将输入的日期字符串x转换为"YYYY/MM/DD"格式。具体实现方式是将字符串x按照年、月、日的顺序分割，然后用"/"连接起来
return x[:4] + "/" + x[4:6] + "/" + x[6:]
##获取数据
#从ts_codes_list中获取每日的股票数据，并返回一个DataFrame对象——daily
def get_data(stock, pro):
if stock[0]=="6":name=stock+".SH"
elif stock[0]=="0" :name=stock+".SZ"
else:name=stock+".BJ"
daily = pd.DataFrame(columns=["ts_code", "trade_date", "open", "high","low","close", "pre_close","pct_chg","vol","amount"])#创建daily对象
# for i in range(0, len(ts_codes_list), 100):#每次从ts_codes_list里面取100个数据，从0开始，到列表结束为止
# j = i + 100 #设定一个游标，最后省下不够100的时候，按照实际长度来作为操作的长度
# if (j >= len(ts_codes_list)):
# j = len(ts_codes_list)
# name = ",".join(ts_codes_list[i:j])#将从i到j的100条股票代码数据加入到字符串中
part = pro.daily(ts_code=name,start_date=20100101, end_date=get_yesterday_date())[#获取的部分数据
["ts_code", "trade_date", "open", "high","low","close", "pre_close","pct_chg","vol","amount"]]#【代码，交易日期，开盘，结束，涨跌额度，昨天收盘价】
daily = pd.concat([daily, part], ignore_index=True)#用于将两个DataFrame对象daily和part沿着行方向拼接
#将daily中的trade_date列的值转换为get_date_format函数返回的格式。apply是一个DataFrame对象的方法，
# 它可以对每个元素或每行或每列应用一个函数，并返回一个新的对象。
#将日期格式改变为
daily["trade_date"] = daily["trade_date"].apply(get_date_format)
return daily
# 将数据写入到表格中
def to_mysql_pro(code,data):
# 建立连接，username替换为用户名，passwd替换为密码，test替换为数据库名
# conn = create_engine("mysql+pymysql://root:NEULYP@39.99.252.203/JZ_QM",encoding="utf8")
conn = create_engine("mysql+pymysql://root:1234@localhost/history", encoding="utf8")
# 写入数据，table_name为表名，‘replace’表示如果同名表存在就替换掉
#将data中的数据写入到conn连接的数据库中的pro_yield表中，如果表已经存在，则追加数据，不保留索引列
pd.io.sql.to_sql(data, f"{code}_history_day", conn, if_exists="append", index=False)#用于将DataFrame对象data插入到数据库表"pro_yield"中
def creat_table(code,cursor):
drop_table=f"drop table if exists {code}_history_day;"
sql_create_table=f"create table {code}_history_day (ts_code varchar(10), trade_date datetime(6), open double(10,2), high double(10,2),low double(10,2),close double(10,2), pre_close double(10,2),pct_chg double(10,2),vol double(10,2),amount double(10,2))"
cursor.execute(drop_table)
cursor.execute(sql_create_table)
if __name__ == "__main__":
sql_read_stocks="select 代码 from stock_main"
pro=get_token()
conn,cursor=start_con()
stocks=get_data_list(cursor,sql_read_stocks,conn)#得到全部的股票字符串列表
stocks[1300::]
for stock in stocks:
# conn, cursor = start_con()
creat_table(stock,cursor)
data = get_data(stock, pro) # 得到截止到昨天的所有数据
to_mysql_pro(stock,data)
文章为作者独立观点，不代表股票交易接口观点
相关文章
股民评论