Tushare财经数据接口

股票基本面统计

使用get_stock_basics()函数一次性下载所有股票基本面数据。这对观察股票的整体市场情况很有帮助。

import  tushare  as  ts
import  pandas as pd
import numpy as np
import  matplotlib.pyplot  as  pltstock = ts.get_stock_basics()     # 下载股票基本面数据
stock.to_excel('stock.xlsx')     # 保存为电子表格
stock.shape                      # Out: (3678, 22)

数据集规模为3823x22，每行是一支股票的基本数据。字段详情请查看Tushare的网站。数据集字段详情查看http://tushare.org 网站。本节用到的数据列有：code，股票代码；name，名称；industry，所属行业；area，地区；pe，市盈率；totals，总股本（亿元人民币）；esp，每股收益；timeToMarket，上市日期。

下面从电子表格文件中读取数据，注意股票代码code列的处理细节。Pandas读取数据时，总是试图将数据自动转换为数值类型。深市类似’002522’的股票代码读入后，将丢失前导字符“00”，变为整数2522，因此读取时特意指定code字段为字符串。

df = pd.read_excel('stock.xlsx', dtype={'code': 'str'})   # code字符串类型
df.set_index('code', inplace=True)   # 将code设为索引列
df.loc['002522']                      # 显示某支股票基本面

len(df.industry.unique())   # 显示行业数

len(df.area.unique())  # 显示地区数（即股票的归属省份）

# 按地区统计上市公司数量，体现地区经济实力
df.groupby('area').size().sort_values(ascending=False)

由上面的统计结果可见，经济越发达、越有活力的地区，上市公司的数量越多。读者还可以按行业进行类似的统计。数据框中的timeToMarket字段代表上市日期，其数据是格式形如“20190315”的整数类型。我们可以提取出其中的年份以统计每年的股票发行数量。

year = df.timeToMarket.astype('str').str[:4]  # 转为字符串，提取前4位的年份
yearnum = df.groupby(year).size()   # 按年份统计，得到每年股票发行量
yearnum

plt.rcParams['font.sans-serif'] = ['SimHei'] # 指定中文黑体字体
# 下面的False修正坐标轴上负号'-'显示为方块的问题
plt.rcParams['axes.unicode_minus'] = False
# 数据集中有几支股票没有发行年份（年份为0）, 作图时排除0年份
yearnum[yearnum.index!='0'].plot(fontsize=14, title='年IPO数量')

从图中可见IPO发行年份的几个高点和国内股票市场的几次牛市时间对应，熊市时发行数量跌入低谷。下面计算市场的平均市盈率pe，这是衡量股票市场估值的重要参数。

df.pe.mean()             # 简单的算术平均pe

观察数据集发现，数据集中亏损股票的pe为0，因此考虑剔除亏损股票。

df[df.pe > 0].pe.mean()   # 剔除亏损股票后计算pe均值

上面的pe是简单的算术平均，以市值为权重的加权pe可能更能准确地反映市场状况。由于下载的数据集中没有总市值和股票单价，因此只能根据现有的字段推算总市值。由某些列的值计算新的列值也是数据处理中常有的情况。这里推算总市值的依据如下：
股票单价 = 4esp（每股收益）pe（市盈率）
总市值 = 股票单价*totals总股本（亿元人民币）
数据集中每股收益esp是单个季度的收益，因此全年收益要乘以4。

df['tvalue'] = 4 * df.esp * df.pe * df.totals     # 计算总市值，增加新列tvalue
np.sum(df.pe * df.tvalue) / df.tvalue.sum()   # 计算以市值为权重的加权pe

上面的计算结果反映了某次季报后的市场加权pe情况，结果和市场真实值相比有差异。这是因为股票的每个季度收益不同，因而不能简单按“4*单季收益”来计算全年收益。

我国股票市场现分为沪市（股票代码60开头）、深圳主板（股票代码00开头）、创业板（股票代码30开头）及最新上市的科创板（股票代码68开头）。如下代码可计算不同板块的pe值和股票数。

df['board'] = df.index.str[:2]     # 取code的前2个字符，新增board列
# 按板块类型统计pe均值，计数
df.groupby('board').pe.agg([('pe均值', 'mean'), ('股票数', 'count')])

Tushare财经数据接口（三）案例——股票基本面统计相关推荐

Tushare财经数据接口（五）案例——优质基本面的股票池创建
Tushare财经数据接口优质基本面的股票池创建上市公司的基本面数据是体现公司经营历史业绩的重要凭据,也是投资者判断公司未来发展前景的重要依据,金融分析人员和股票投资者需要通过分析公司基本面质量来 ...
以下哪个不是python财经数据接口工具_这7种Python的全新玩法，大部分人都不知道！...
Python第三方模块众多,下面我介绍一些比较实用而又有趣的模块,主要分为爬虫.数据处理.可视化.机器学习.神经网络.股票财经.游戏这7个方面,主要内容如下: 创一个小群,供大家学习交流聊天如果有对 ...
python财经数据接口包_Tushare|免费开源财经数据接口包
「Tushare」是云观测提供免费开源的python财经数据接口包,主要实现对股票等金融数据从数据采集.清洗加工到数据存储的过程,能够为金融分析人员提供快速.整洁.和多样的便于分析的数据,为他们在数据 ...
Tushare开源数据接口的安装指南
引言: Tushare是业界非常有名的开源数据接口,本文将简要介绍如何安装并使用之. 1. 官网主页 TuShare是一个免费.开源的python财经数据接口包; 摘自官网的信息. http://t ...
【Python金融量化 1- 100 】了解Python及常用财经数据接口包
了解Python及常用财经数据接口包背景介绍: Python是一种计算机程序设计语言,它诞生于20世纪90年代初,正在逐渐被广泛运用中. Python的创始人是Guido van Rossum.相传 ...
L:python的Pandas模块:实例练习(泰坦尼克号数据集分析,电影票房统计,股票基本面统计)
实例练习泰坦尼克号数据集分析使用Seaborn库中包含的titanic数据集进行一些数据统计. Seaborn是一个图形库,Anaconda已包含此库.数据集参见: https://github. ...
股票财经数据接口(一)
最近股票大跌,打算做点数据分析.转个数据接口,等我完成数据分析有具体结论再写出来吧. 做了一点股票分析数据准备,做了个均线图: http://stock.chenpeng.info/randomone ...
python财经数据接口包_Tushare 财经数据接口包介绍（Python）
最近在研究Python的量化交易实现,因为需要股票相关的金融数据,自己动手爬,实在太麻烦了. 于是在网上找找有没现成的数据接口,好做数据分析,发现了这个好东西,分享一下. Tushare 介绍: Tu ...
Python 通过 Tushare Pro 获取财经数据接口
一.首先注册用户,注册地址:Tushare数据与wind.东财等收费数据源相比,tushare是一个python股票数据源,现已升级到tushare pro版本,新版本在数据稳定性和获取速率上大幅提升 ...

Tushare财经数据接口（三）案例——股票基本面统计

Tushare财经数据接口

股票基本面统计

Tushare财经数据接口（三）案例——股票基本面统计相关推荐

最新文章

热门文章