用 Python pandas_datareader 抓台灣股價

在網路上看到之前的 pandas.io 已經分出來成為獨立的 package 叫 pandas_datareader。

所以以後

from pandas.io import data, wb

要變成

from pandas_datareader import data, wb

用 pandas_datareader 的好處是不用自己去看 csv 或是研究 Yahoo 或 Google 的 API 了，

而且 pandas_datareader 的回傳值就已經是 pandas 的 dataframe 或 panel， 很方便。

還有可以抓世界銀行的一些經濟數據，但留著下次研究。

In [1]:

import pandas as pd
import pandas_datareader.data as web
import datetime

In [2]:

# 用 yahoo finance 
start = datetime.datetime(2016, 9, 1)
end = datetime.datetime(2017, 1, 10)
# 台灣股市的話要用 股票代號 加上 .TW
df_2330 = web.DataReader('2330.TW', 'yahoo', start, end)

In [3]:

df_2330.tail(5)

Out[3]:

	Open	High	Low	Close	Volume	Adj Close
Date
2017-01-04	183.0	184.0	181.5	183.0	24369000	183.0
2017-01-05	182.0	183.5	181.5	183.5	20979000	183.5
2017-01-06	184.0	184.5	183.5	184.0	22443000	184.0
2017-01-09	184.0	185.0	183.0	184.0	18569000	184.0
2017-01-10	184.5	185.5	183.5	184.0	20198000	184.0

In [4]:

# 也可以同時抓多檔股票，但回傳的是 pandas panel 要注意
df_stock = web.DataReader(['2330.TW', '0050.TW', '2412.TW'], 'yahoo', start, end)

In [5]:

df_stock

Out[5]:

<class 'pandas.core.panel.Panel'>
Dimensions: 6 (items) x 94 (major_axis) x 3 (minor_axis)
Items axis: Open to Adj Close
Major_axis axis: 2016-09-01 00:00:00 to 2017-01-10 00:00:00
Minor_axis axis: 0050.TW to 2412.TW

In [6]:

df_stock[:,:,'2330.TW'].tail(5)

Out[6]:

	Open	High	Low	Close	Volume	Adj Close
Date
2017-01-04	183.0	184.0	181.5	183.0	24369000.0	183.0
2017-01-05	182.0	183.5	181.5	183.5	20979000.0	183.5
2017-01-06	184.0	184.5	183.5	184.0	22443000.0	184.0
2017-01-09	184.0	185.0	183.0	184.0	18569000.0	184.0
2017-01-10	184.5	185.5	183.5	184.0	20198000.0	184.0

In [7]:

df_stock[:,:,'0050.TW'].tail(5)

Out[7]:

	Open	High	Low	Close	Volume	Adj Close
Date
2017-01-04	72.00	72.10	71.75	71.85	4278000.0	71.85
2017-01-05	71.85	72.50	71.80	72.50	4566000.0	72.50
2017-01-06	72.45	72.75	72.45	72.65	3746000.0	72.65
2017-01-09	72.75	72.95	72.30	72.45	5032000.0	72.45
2017-01-10	72.45	72.60	72.40	72.40	1854000.0	72.40

Reference:

1. pandas_datareader 文件
2. pandas 文件
3. pythonprogramming.net finance series

Jupyter(IPython) Notebook: Link