大数据的金融数据读取及分析（二）
一、注册和获取token
参考大数据的金融数据读取及分析（一）大数据的金融数据读取及分析（-）_石工记的博客-CSDN博客
二、获取股市信息
需注意的是，利用接口获取部分信息时对积分有不同的要求，积分不足会造成访问权限受限的情况
ps:高校学生可联系站方申请访问权限。在这里可通过旧版接口访问指数信息。新版接口为 pro
1.新建.py
import tushare as ts
import openpyxlpro = ts.pro_api(token='你的token')# 旧版tushare接口获取国内股市指数
# 上证指数：sh; 深指：sz; 沪深300：hs00; 上证50：sz50; 中小板：zxb; 创业板cyb
df = ts.get_hist_data('sh',start='2020-01-01',end='2022-03-25')# 新版tushare pro接口获取国内数据(至少2000积分才可以调取)
# pro = ts.pro_api()
# df = pro.index_dailybasic(trade_date='20181018', fields='ts_code,trade_date,turnover_rate,pe')# 1.查询当前所有正常上市交易的股票列表
# df = pro.stock_basic(exchange='', list_status='L', fields='ts_code,symbol,name,area,industry,list_date')# 2.查询上市公司的基本信息
# df = pro.stock_company(exchange='SZSE', fields='ts_code,chairman,manager,secretary,reg_capital,setup_date,province') # exchange 交易所代码# 3.A股日线行情
# df = pro.query('daily', ts_code='000422.SZ', start_date='20220301', end_date='20220325')# 4.获取指数基础信息
# df = pro.index_basic(market='CSI') # 获取中证指数基本信息，上交所：SSE；深交所：SZSE# 5.指数日线行情（需至少2000积分可调取）
# df = pro.index_daily(ts_code='399300.SZ', start_date='20180101', end_date='20181010')# 6.指数周线行情（需要至少600积分可调取）
# df = pro.index_weekly(ts_code='000001.SH', start_date='20180101', end_date='20190329', fields='ts_code,trade_date,open,high,low,close,vol,amount')# 7.指数月线行情（需要至少600积分可调取）
# df = pro.index_monthly(ts_code='000001.SH', start_date='20180101', end_date='20190330', fields='ts_code,trade_date,open,high,low,close,vol,amount')# 8.大盘指数每日指标（需要至少400积分可调取）
# df = pro.index_dailybasic(trade_date='20220325', fields='ts_code,trade_date,turnover_rate,pe')# 9.获取中证500或者国外指数
# 富时中国A50指数 (富时A50):XIN9; 恒生指数:HSI; 道琼斯工业指数:DJI; 标普500指数:SPX; 纳斯达克指数:IXIC
# 富时100指数:FTSE; 法国CAC40指数:FCHI; 德国DAX指数:GDAXI; 日经225指数:N225; 韩国综合指数:KS11
# 澳大利亚标普200指数:AS51; 印度孟买SENSEX指数:SENSEX; 巴西IBOVESPA指数:IBOVESPA; 俄罗斯RTS指数:RTS
# 台湾加权指数:TWII; 马来西亚指数:CKLSE; 加拿大S&P/TSX指数:SPTSX; STOXX欧洲50指数:CSX5P
# df = pro.index_global(ts_code='IXIC', start_date='2020-01-01',end_date='2021-03-25') # 纳斯达克指数# 10.A股每日重要基本面指标（需至少2000积分可调取）
# df = pro.daily_basic(ts_code='', trade_date='20180726', fields='ts_code,trade_date,turnover_rate,volume_ratio,pe,pb')
print(df)
df.to_excel('d:\\python\\data\\result.xlsx',startrow=0,startcol=0) # 插入数据
对生成excel数据分析，请听下回大数据的金融数据读取及分析（三）分解
