python如何爬深沪股票数据

要使用Python爬取深沪股票数据，可以使用多种方法，如使用第三方库、调用API等。推荐的方式包括：1. 使用Tushare库、2. 调用新浪财经API、3. 使用BeautifulSoup解析网页。其中，Tushare库是一个强大的金融数据工具库，提供了全面的股票市场数据接口，既支持深沪股市，又简便易用，适合初学者使用。

Tushare库：Tushare 是一个免费、开源的Python财经数据接口包。它可以很方便地获取股票数据、指数数据、基金数据、期货数据等。以下是使用Tushare库获取股票数据的详细步骤。

一、安装和配置Tushare

首先，你需要安装Tushare库。在命令行中输入以下命令来安装：

pip install tushare

安装完成后，你需要注册一个Tushare账号，并获取一个API Token。然后在代码中设置你的Token，以便访问数据。

import tushare as ts
设置你的API Token
ts.set_token('your_api_token_here')

二、获取股票基本信息

Tushare库提供了丰富的股票数据接口。以下是获取深沪股票基本信息的示例：

pro = ts.pro_api()
获取股票列表
stock_list = pro.stock_basic(exchange='', list_status='L', fields='ts_code,symbol,name,area,industry,list_date')
print(stock_list)

在上面的代码中，ts.pro_api()方法用来初始化Tushare的Pro API接口。stock_basic方法用来获取股票基本信息，包括股票代码、名称、所在地区、行业、上市日期等。

三、获取股票历史数据

你还可以使用Tushare库获取股票的历史交易数据。以下是获取指定股票历史数据的示例：

# 获取某个股票的日线数据
df = ts.pro_bar(ts_code='000001.SZ', adj='qfq', start_date='20210101', end_date='20211231')
print(df)

在上面的代码中，ts.pro_bar方法用来获取股票的日线数据。你需要指定股票代码（ts_code），调整方式（adj），开始日期（start_date）和结束日期（end_date）。

四、获取实时行情数据

除了历史数据，Tushare库还提供了获取实时行情数据的接口。以下是获取实时行情数据的示例：

# 获取实时行情数据
df = ts.get_realtime_quotes('000001')
print(df)

在上面的代码中，get_realtime_quotes方法用来获取股票的实时行情数据。你需要指定股票代码（ts_code）。

五、调用新浪财经API

除了使用Tushare库，你还可以直接调用新浪财经API来获取股票数据。以下是一个调用新浪财经API获取股票数据的示例：

import requests
新浪股票数据API
url = 'http://hq.sinajs.cn/list=sh000001'
response = requests.get(url)
print(response.text)

在上面的代码中，我们使用requests库发送HTTP请求，获取新浪财经提供的股票数据。

六、使用BeautifulSoup解析网页

如果你需要从网页中提取股票数据，可以使用BeautifulSoup库进行解析。以下是一个示例：

import requests
from bs4 import BeautifulSoup
获取网页内容
url = 'http://quote.eastmoney.com/sh000001.html'
response = requests.get(url)
html = response.text
解析网页内容
soup = BeautifulSoup(html, 'html.parser')
stock_data = soup.find('div', {'class': 'price'})
print(stock_data.text)

在上面的代码中，我们使用requests库获取网页内容，并使用BeautifulSoup库解析网页内容，提取股票数据。

七、数据存储与可视化

在获取到股票数据后，你可能需要将数据存储到本地，或者进行数据可视化。以下是使用Pandas库存储数据，并使用Matplotlib库进行可视化的示例：

import pandas as pd
import matplotlib.pyplot as plt
假设我们已经获取到股票数据
data = {
    'date': ['2021-01-01', '2021-01-02', '2021-01-03'],
    'close': [100, 101, 102]
}
df = pd.DataFrame(data)
保存数据到CSV文件
df.to_csv('stock_data.csv', index=False)
读取CSV文件
df = pd.read_csv('stock_data.csv')
绘制收盘价走势
plt.plot(df['date'], df['close'])
plt.xlabel('Date')
plt.ylabel('Close Price')
plt.title('Stock Close Price')
plt.show()