Ønsker du å hente aksjemarkedsdata ved hjelp av Python? Du er på rett sted. I denne artikkelen lærer du hvordan du får aksjemarkedsdata ved å bruke Python. Du kan videre bruke dataene til å analysere, visualisere og få innsikt fra dem.

Du vil bruke yfinance Python-biblioteket for å få gjeldende og historiske aksjemarkedsprisdata fra Yahoo Finance.

Installere nødvendige biblioteker

Yahoo Finance er en av de mye brukte plattformene som gir aksjemarkedsdata. Du kan enkelt laste ned datasettet fra nettsiden deres, men hvis du vil ha tilgang til det direkte fra et Python-program, kan du bruke yfinance bibliotek. For å installere yfinance ved hjelp av pip, må du kjøre følgende kommando ved en ledetekst:

pip installere yfinance

Yfinance Python-biblioteket er gratis å bruke, og det krever ingen API-nøkkel.

Koden som brukes i dette prosjektet er tilgjengelig i en GitHub-depot og er gratis for deg å bruke under MIT-lisensen.

Få gjeldende aksjekursdata

Du må ha tickeren til aksjen du vil trekke ut dataene for. I det følgende eksempelet finner vi markedsprisen og forrige lukkekurs for GOOGL.

instagram viewer 
import yfinance som yf
ticker = yf. Ticker('GOOGL').info
markedspris = ticker['vanlig markedspris']
forrige_lukkepris = ticker['vanligMarkedForrigeLukk']
skrive ut('Ticker: GOOGL')
skrive ut('Markedspris:', markedspris)
skrive ut('Forrige Lukk pris:', forrige_lukkepris)

Dette gir følgende utgang:

Dette eksemplet bruker vanlig markedspris og vanligMarkedForrigeLukk egenskaper for å få de nødvendige dataene. Yfinance-biblioteket tilbyr en rekke andre egenskaper du kan utforske. Disse inkluderer postnummer, sektor, fulltidsansatte, longBusinessSummary, by, telefon, stat og land. Du kan få den komplette listen over tilgjengelige eiendommer ved å bruke denne koden:

import yfinance som yf
ticker = yf. Ticker('GOOGL').info
skrive ut(ticker.keys())

Få historiske aksjekursdata

Du kan få alle historiske prisdata ved å oppgi startdato, sluttdato og ticker.

# Importerer yfinance-pakken
import yfinance som yf
# Angi start- og sluttdato
startdato = '2020-01-01'
sluttdato = '2022-01-01'


# Sett ticker
ticker = 'GOOGL'


# Få dataene
data = yf.download (ticker, start_date, end_date)
# Skriv ut de siste 5 radene
skrive ut(data.tail())

Dette gir følgende utgang:

Koden ovenfor vil hente aksjekursdata fra 2020-01-01 til 2022-01-01.

Hvis du ønsker å trekke data fra flere ticker samtidig, kan du gjøre det ved å gi tickerne i form av en mellomromseparert streng.

import yfinance som yf
startdato = '2020-01-01'
sluttdato = '2022-01-01'
# Legg til flere mellomromseparerte ticker her
ticker = 'GOOGL MSFT TSLA'
data = yf.download (ticker, start_date, end_date)
skrive ut(data.tail())

Transformering av data for analyse

I datasettet ovenfor, Dato er indeksen til datasettet og ikke en kolonne. For å utføre noen dataanalyse på disse dataene, må du konvertere denne indeksen til en kolonne. Nedenfor er hvordan du kan gjøre det:

import yfinance som yf
startdato = '2020-01-01'
sluttdato = '2022-01-01'
ticker = 'GOOGL'
data = yf.download (ticker, start_date, end_date)
data["Dato"] = data.indeks
data = data[["Dato", "Åpen", "Høy",
"Lav", "Lukk", "Adj Lukk", "Volum"]]
data.reset_index(miste=ekte, på plass=ekte)
skrive ut(data.head())

Dette gir følgende utgang:

Disse transformerte dataene er de samme som dataene du ville ha lastet ned fra Yahoo Finance.

Lagre de mottatte dataene i en CSV-fil

Du kan eksportere et DataFrame-objekt til en CSV-fil bruker to_csv() metode. Siden dataene ovenfor allerede er i form av en pandas DataFrame, kan du eksportere dataene til en CSV-fil ved å bruke følgende kode:

import yfinance som yf
startdato = '2020-01-01'
sluttdato = '2022-01-01'
ticker = 'GOOGL'
data = yf.download (ticker, start_date, end_date)
skrive ut(data.tail())
# Eksporter data til en CSV-fil
data.to_csv("GOOGL.csv")

Pandas er det mye brukte Python-biblioteket for dataanalyse. Hvis du ikke er så komfortabel med dette biblioteket, bør du komme i gang med grunnleggende operasjoner med Pandaer.

Visualiser dataene

Yfinance Python-biblioteket er et av de mest praktiske bibliotekene å sette opp, hente data og utføre dataanalyseoppgaver med. Du kan bruke disse dataene til å visualisere resultater og fange innsikt ved hjelp av biblioteker som Matplotlib, Seaborn eller Bokeh.

Du kan til og med vise disse visualiseringene direkte på en nettside ved hjelp av PyScript.