4.4　Python处理金融数据案例实战

金融数据是指金融行业所涉及的市场数据、公司数据、行业指数和定价数据等的统称。凡是与金融行业相关的数据都可以被归入金融市场的数据体系之中。在金融市场中，根据数据的频率，金融数据分为低频数据、高频数据和超高频数据三大类。

4.4.1　读取上证指数股票数据

Pandas库提供了专门从财经网站获取金融时间序列数据的API接口，可作为量化交易股票数据获取的另一种途径。该接口在urllib3库的基础上实现了以客户端身份访问网站的股票数据。

pandas-datareader包中的pandas_datareader.data.DataReader()函数可以根据输入的证券代码、起始日期和终止日期来返回所有历史数据。函数的第1个参数为股票代码，形式为“股票代码”+“对应股市”，其中上海证券交易所的股票需要在股票代码后面加上“.SS”，深圳证券交易所的股票需要在股票代码后面加上“.SZ”。第2个参数是数据来源，如雅虎、谷歌等网站，本节以从雅虎财经获取金融数据为例进行介绍。第3个、第4个参数为股票数据的起始时间。

这里需要使用datetime()函数、Pandas库和pandas-datareader包，还可以使用datetime.datetime.today()函数来调用程序当前的日期。

先导入相关的库，代码如下：

在上述代码中，pandas_datareader.data这个名称显然过长，因此给它起一个别名叫作pdr，这样在后文中使用pandas_datareader.data.DataReader()函数时，直接使用pdr.DataReader()函数即可。需要注意的是，这里在pandas_datareader中使用的是下画线“_”，而不是连接符“-”。

接下来，设置起始日期start_date和终止日期end_date，使用datetime.datetime()函数指向给定日期。例如，使用datetime.date.today()函数指向程序当前的日期，并将结果保存到一个名为stock_info的变量中，代码如下：

也可以直接设置起始日期start_date和终止日期end_date，再运行pdr.DataReader()函数并将其保存到变量中，代码如下：

下面使用head()函数查看金融数据的前5行记录，代码如下：

运行上述代码，输出结果如下所示。

可以看出，数据集的索引是Date（日期），共有High、Low、Open、Close等7列数据。

4.4.2　提取2020年8月数据

此外，虽然变量stock_info中包含2020年全年的数据，但是在不同的业务需求下，需要提取不同的数据。例如，可能只需要提取2020年8月的数据，也可能只需要提取2020年每个月月底的数据。

例如，提取2020年8月的数据，代码如下：

运行上述代码，只会输出2020年8月上证指数的前5条数据，输出结果如下所示。

如果只需要输出每个月最后一个交易日的上证指数数据，则可以使用resample()函数和last()函数，代码如下：

运行上述代码，输出结果如下所示。

如果想要计算每个月股票相关指标的平均数，则可以使用mean()函数，代码如下：

运行上述代码，输出结果如下所示。

4.4.3　填充非交易日缺失数据

下面来看一下时间序列数据中有缺失数据的操作。如果想要查看股票每日的价格信息，则可以使用resample()函数重采样每一天的数据，代码如下：

运行上述代码，输出结果如下所示。我们可以看出，2020年1月4日和1月5日的数据都为NaN。

下面使用ffill()函数对缺失数据进行填充，这里使用前一天的交易数据来填充，代码如下：

运行上述代码，输出结果如下所示。

也可以使用mean()函数对该列数据的平均数进行填充，代码如下：

运行上述代码，输出结果如下所示。

4.4.4　使用diff()函数计算数据偏移

Pandas库中的diff()函数用来将数据进行某种移动之后与原数据进行比较得出差异。例如，计算两个相邻交易日数据之间的一阶差分，代码如下：

运行上述代码，计算金融时间序列数据的一阶差分，输出结果如下所示。2020年1月2日的数据为NaN，是因为它的前一天（2020年1月1日）没有交易。同理，如果执行的是二阶差分，则2020年1月3日的数据也是NaN。

此外，对于时间序列数据，还可以使用pct_change()函数来计算指标的增长率，代码如下：

运行上述代码，输出结果如下所示。