Biegral Blog

前言

文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理。

作者：启方

PS：如有需要Python学习资料的小伙伴可以加点击下方链接自行获取
python免费学习资料以及群交流解答点击即可加入

---

本文将通过Python将从2018年度到目前的股票历史数据爬取过来，大展身手进行一波数据可视化操作，结合数据和市场分析2019年A股牛市的走势和行情。

一、工具准备

本文分析侧重可视化，而且难点主要在于数据的获取。

对于股票相关数据，想必对于Python大家应该都比较熟悉了，网站爬数据神器，只要从东方财经网和网易财经爬取相关股票的历史数据即可。

数据可视化分析方面，虽然Python有numpy、pandas、matplotlib等第三方库来辅助进行数据处理和数据可视化，或者也可以借助echart等图表开源接口，但是通过各类代码进行图表属性设置等方面还是比较繁琐的，而且只能生成静态的图表，无法进行动态和深入的多维分析。所以这里用BI来做可视化分析展示。

二、数据准备

Python股票数据爬取

由于需要相关的历史数据，经过对比东方财经网和网易财经网的相关网站页面，网易财经网对于我收集相关历史数据更加方便。

这边直接贴出来网易财经网获取股票历史数据的接口：

http://quotes.money.163.com/service/chddata.html?code=[code]&start=[yyyyMMdd]&end=[yyyyMMdd]&fields=TCLOSE;HIGH;LOW;TOPEN;LCLOSE;CHG;PCHG;TURNOVER;VOTURNOVER;VATURNOVER;TCAP;MCAP

接口中有三个核心参数，code表示股票编码，start表示开始时间，end表示结束时间，用python自动填充即可，调用起来非常方便。

通过Python调用网易财经的股票数据接口，获取上海/深圳A、B股近期成交量前10的共40家股票的历史数据，包含相关股票的开收盘情况、跌涨数据、换手率、成交数据、总市值、流通市值等关键数据指标。

直接贴出代码：

import urllib.request
import re
import glob
import time
 '''
python学习交流群：1136201545更多学习资料可以加群获取
'''
# 上海、深圳A/B股票，近期成交量前40支股票代码
allCodelist=[
    '601099','601258','600010','600050','601668','601288','600604','600157','601519','600030',#上海A股
    '900902','900941','900948','900938','900947','900932','900907','900906','900903','900919',#上海B股
    '000725','300059','002131','300116','002195','002526','002477','000536','300104','000793',#深圳A股
    '200725','200160','200018','200037','200488','200168','200468','200058','200012','200625' #深圳B股
    ]
for code in allCodelist:
    print('正在获取%s股票数据...' % code)
    if (code[0] == '6' or code[0]=='9'):#A股
        url = 'http://quotes.money.163.com/service/chddata.html?code=0' + code + \
              '&start=20180101&end=20190228&fields=TCLOSE;HIGH;LOW;TOPEN;LCLOSE;CHG;PCHG;TURNOVER;VOTURNOVER;VATURNOVER;TCAP;MCAP'
        print(url)
    else:#B股
        url = 'http://quotes.money.163.com/service/chddata.html?code=1' + code + \
              '&start=20180101&end=20190228&fields=TCLOSE;HIGH;LOW;TOPEN;LCLOSE;CHG;PCHG;TURNOVER;VOTURNOVER;VATURNOVER;TCAP;MCAP'
        print(url)
    urllib.request.urlretrieve(url, 'd:\\股票\\' + code + '.csv')#需要提前新建好D盘的“股票”目录，将数据写入csv文件 
 
csvx_list = glob.glob('d:\\股票\\*.csv')
print('总共发现%s个CSV文件' % len(csvx_list))
time.sleep(2)
print('正在处理............')
for i in csvx_list:
    fr = open(i, 'r').read()
    with open('csv_to_csv.csv', 'a') as f:#合并csv文件
        f.write(fr)
print('写入完毕！')

完美运行，爬取时间不到15秒，成功获取到上海/深圳A、B股近期成交量前10的共40家股票，2018年1月1日到2019年2月28日的所有历史交易数据。

字段都很容易理解，不需要处理，直接做可视化分析！

四、数据分析及可视化

第一步：导入数据

finebi能从很多种数据源导入数据：如Excel，CSV，XML，以及各类数据库(SQL Server，Oracle，My SQL等)，两大主流开源平台(Hadoop，Spark)等等。最常用的方式是连接数据库和导入excel数据。这里直接导入excel。
数据准备—添加业务包，业务包是用来统一整理数据表的。创建好业务包之后，点击添加表，新建excel数据集。

就得到如下的数据明细。这里可以自动识别数据的字段类型，也可以修改字段类型。

第二步：可视化分析

先来观察这份数据，展示了各股每天的最高最低及收盘价，以及流通市值总市值等。那么我们可以分析一下股票走势析，个股成交量做个排名，各股市值规模排名分析，以及未来走势预测。

1、 新建仪表板，即我们说的可视化报告、dashboard，叫法很多。

2、 新建可视化组件，添加刚刚导入的数据集。（图表、查询筛选框等都叫组件，是finebi仪表板的组成元素。）

分析1：股票走势-日线分析

添加完数据集会进入到这个分析界面。拖拽要分析的字段到维度框，会自动推荐图表，也可以自己选择图表展示。可以更改配色，图表形式，过滤排序等（都是展示调整）就呈现出如下的可视化

分析2：股票走势-日线分析

同样的操作，对个股成交量和成交额做了个排名分析。

经过大概半个小时的操作，我这边将相关股票的开收盘情况、跌涨数据、换手率、成交数据、总市值、流通市值等关键数据指标制作成了一个数据可视化报告，方便从多个维度观察和分析股票的各个指标。

可视化分析结果