Python股票分析系列——获得标普500的所有公司股票数据.p6

该系列视频已经搬运至bilibili： 点击查看

欢迎来到Python for Finance教程系列的第6部分。 在之前的Python教程中，我们介绍了如何获取我们感兴趣的公司名单（在我们的案例中是标准普尔500指数），现在我们将收集所有这些公司的股票定价数据。

到此为止的代码：

import bs4 as bs
import pickle
import requests

def save_sp500_tickers():
    resp = requests.get('http://en.wikipedia.org/wiki/List_of_S%26P_500_companies')
    soup = bs.BeautifulSoup(resp.text, 'lxml')
    table = soup.find('table', {'class': 'wikitable sortable'})
    tickers = []
    for row in table.findAll('tr')[1:]:
        ticker = row.findAll('td')[0].text
        tickers.append(ticker)
        
    with open("sp500tickers.pickle","wb") as f:
        pickle.dump(tickers,f)
        
    return tickers

我们将添加一些新的导入：

import datetime as dt
import os
import pandas as pd
import pandas_datareader.data as web

我们将使用datetime指定Pandas datareader的日期，os将检查并创建目录。 你已经知道什么是pandas了！

开始我们的新功能：

def get_data_from_yahoo(reload_sp500=False):
    
    if reload_sp500:
        tickers = save_sp500_tickers()
    else:
        with open("sp500tickers.pickle","rb") as f:
            tickers = pickle.load(f)

在这里，我将展示一个可以处理是否重新加载标准普尔500列表的方法的快速示例。如果我们问这个问题，该计划将重新拉动标准普尔500指数，否则它只会使用我们的pickle。现在我们要准备抓取数据。

现在我们需要决定我们将如何处理数据。我倾向于只解析一次网站，并在本地存储数据。我不会事先知道我可能用数据做的所有事情，但是我知道如果我将不止一次地拉它，我不妨将它保存起来（除非它是一个巨大的数据集，不是）。因此，我们将把所有可以从雅虎返回给我们的每一种股票都拿出来，并保存下来。为此，我们将创建一个新目录，并在那里存储每个公司的库存数据。首先，我们需要这个初始目录：

    if not os.path.exists('stock_dfs'):
        os.makedirs('stock_dfs')

您可以将这些数据集存储在与您的脚本相同的目录中，但在我看来这会非常麻烦。现在我们准备好提取数据了。你已经知道如何做到这一点，我们在第一篇教程中做到了！

    start = dt.datetime(2000, 1, 1)
    end = dt.datetime(2016, 12, 31)
    
    for ticker in tickers:
        if not os.path.exists('stock_dfs/{}.csv'.format(ticker)):
            df = web.DataReader(ticker, "yahoo", start, end)
            df.to_csv('stock_dfs/{}.csv'.format(ticker))
        else:
            print('Already have {}'.format(ticker))

你可能会想要为这个函数做一些force_data_update参数，因为现在它不会重新提取它已经看到命中的数据。由于我们正在提取每日数据，因此您需要重新提取至少最新的数据。也就是说，如果是这种情况，那么最好使用数据库而不是每个公司的表格，然后从雅虎数据库中提取最新的值。尽管如此，我们仍然保持简单！

完整的代码到目前为止：

import bs4 as bs
import datetime as dt
import os
import pandas as pd
import pandas_datareader.data as web
import pickle
import requests


def save_sp500_tickers():
    resp = requests.get('http://en.wikipedia.org/wiki/List_of_S%26P_500_companies')
    soup = bs.BeautifulSoup(resp.text, 'lxml')
    table = soup.find('table', {'class': 'wikitable sortable'})
    tickers = []
    for row in table.findAll('tr')[1:]:
        ticker = row.findAll('td')[0].text
        tickers.append(ticker)
        
    with open("sp500tickers.pickle","wb") as f:
        pickle.dump(tickers,f)
        
    return tickers

#save_sp500_tickers()


def get_data_from_yahoo(reload_sp500=False):
    
    if reload_sp500:
        tickers = save_sp500_tickers()
    else:
        with open("sp500tickers.pickle","rb") as f:
            tickers = pickle.load(f)
    
    if not os.path.exists('stock_dfs'):
        os.makedirs('stock_dfs')

    start = dt.datetime(2000, 1, 1)
    end = dt.datetime(2016, 12, 31)
    
    for ticker in tickers:
        # just in case your connection breaks, we'd like to save our progress!
        if not os.path.exists('stock_dfs/{}.csv'.format(ticker)):
            df = web.DataReader(ticker, "yahoo", start, end)
            df.to_csv('stock_dfs/{}.csv'.format(ticker))
        else:
            print('Already have {}'.format(ticker))

get_data_from_yahoo()

在运行它的过程中。 如果雅虎不给你持续抓取，你可能需要import time并添加一个time.sleep（0.5）。 在写这篇文章的时候，雅虎并没有完全扼杀我，而且我能够毫无问题地完成整个过程。 但是，这可能还需要一段时间，尤其取决于您的机器。 但好消息是，我们不需要再做一次！ 在实践中，再次，因为这是每日数据，但是，您可能每天都会这样做。

另外，如果你的互联网速度很慢，你不需要做所有的事情，即使只有10次就足够了，所以你可以用for ticker in ticker [：10]或者类似的东西来加快速度。

在下一个教程中，一旦你下载了数据，我们将把我们感兴趣的数据编译成一个pandas DataFrame。

本系列一共12集，如需更新后续内容，请留言告知我~