通知设置 新通知
quantdigger 安装教程 & 安装出现的问题解决
李魔佛 发表了文章 • 4 个评论 • 4035 次浏览 • 2017-05-25 22:00
http://30daydo.com/publish/article/195
win7
可以下载https://github.com/Rockyzsu/quantdigger 然后解压， 运行以下python命令：
python setupscripts/install.py 或者 pip install quantdigger
如果出现一些库文件的依赖关系导致出错
fatal error C1083: Cannot open include file: 'ta_libc.
那么说明你的TA-Lib的这个库没有安装好。
先尝试 pip install TA-Lib 看能否安装成功。如果失败了，继续下面的：
下载http://prdownloads.sourceforge.net/ta-lib/ta-lib-0.4.0-msvc.zip 然后解压放在c盘根目录下 （如： C:\ta-lib）。
再运行pip install TA-Lib
然后重新运行 python setupscripts/install.py 查看全部
win7
可以下载https://github.com/Rockyzsu/quantdigger 然后解压， 运行以下python命令：
python setupscripts/install.py 或者 pip install quantdigger
如果出现一些库文件的依赖关系导致出错
fatal error C1083: Cannot open include file: 'ta_libc.
那么说明你的TA-Lib的这个库没有安装好。
先尝试 pip install TA-Lib 看能否安装成功。如果失败了，继续下面的：
下载http://prdownloads.sourceforge.net/ta-lib/ta-lib-0.4.0-msvc.zip 然后解压放在c盘根目录下 （如： C:\ta-lib）。
再运行pip install TA-Lib
然后重新运行 python setupscripts/install.py 查看全部
http://30daydo.com/publish/article/195
win7
可以下载https://github.com/Rockyzsu/quantdigger 然后解压， 运行以下python命令：
python setupscripts/install.py 或者 pip install quantdigger
如果出现一些库文件的依赖关系导致出错
fatal error C1083: Cannot open include file: 'ta_libc.
那么说明你的TA-Lib的这个库没有安装好。
先尝试 pip install TA-Lib 看能否安装成功。如果失败了，继续下面的：
下载http://prdownloads.sourceforge.net/ta-lib/ta-lib-0.4.0-msvc.zip 然后解压放在c盘根目录下 （如： C:\ta-lib）。
再运行pip install TA-Lib
然后重新运行 python setupscripts/install.py
win7
可以下载https://github.com/Rockyzsu/quantdigger 然后解压， 运行以下python命令：
python setupscripts/install.py 或者 pip install quantdigger
如果出现一些库文件的依赖关系导致出错
fatal error C1083: Cannot open include file: 'ta_libc.
那么说明你的TA-Lib的这个库没有安装好。
先尝试 pip install TA-Lib 看能否安装成功。如果失败了，继续下面的：
下载http://prdownloads.sourceforge.net/ta-lib/ta-lib-0.4.0-msvc.zip 然后解压放在c盘根目录下 （如： C:\ta-lib）。
再运行pip install TA-Lib
然后重新运行 python setupscripts/install.py
量化交易 获取获取上市公司年报
李魔佛 发表了文章 • 0 个评论 • 2987 次浏览 • 2017-05-22 11:37
http://30daydo.com/article/192
tushare有一个函数， ts.get_report_data(年份，季度）， 可以获取每一年的季度的业绩。
如果想要获取上市公司的年报，只要吧季度参数改为4即可
例如 要获取 中国银行的2016年的年报
df＝ts.get_report_data(2016,4)
print df[df['code']=='601988']
输出的结果如下：
In [4]: print df[df['code']=='601988']
code name eps eps_yoy bvps roe epcf net_profits \
1826 601988 中国银行 0.54 -3.57 4.46 12.58 NaN 16457800.0
profits_yoy distrib report_date
1826 -3.67 10派1.68 04-01
查看全部
tushare有一个函数， ts.get_report_data(年份，季度）， 可以获取每一年的季度的业绩。
如果想要获取上市公司的年报，只要吧季度参数改为4即可
例如 要获取 中国银行的2016年的年报
df＝ts.get_report_data(2016,4)
print df[df['code']=='601988']
输出的结果如下：
In [4]: print df[df['code']=='601988']
code name eps eps_yoy bvps roe epcf net_profits \
1826 601988 中国银行 0.54 -3.57 4.46 12.58 NaN 16457800.0
profits_yoy distrib report_date
1826 -3.67 10派1.68 04-01
查看全部
http://30daydo.com/article/192
tushare有一个函数， ts.get_report_data(年份，季度）， 可以获取每一年的季度的业绩。
如果想要获取上市公司的年报，只要吧季度参数改为4即可
例如 要获取 中国银行的2016年的年报
df＝ts.get_report_data(2016,4)
print df[df['code']=='601988']
输出的结果如下：
In [4]: print df[df['code']=='601988']
code name eps eps_yoy bvps roe epcf net_profits \
1826 601988 中国银行 0.54 -3.57 4.46 12.58 NaN 16457800.0
profits_yoy distrib report_date
1826 -3.67 10派1.68 04-01
tushare有一个函数， ts.get_report_data(年份，季度）， 可以获取每一年的季度的业绩。
如果想要获取上市公司的年报，只要吧季度参数改为4即可
例如 要获取 中国银行的2016年的年报
df＝ts.get_report_data(2016,4)
print df[df['code']=='601988']
输出的结果如下：
In [4]: print df[df['code']=='601988']
code name eps eps_yoy bvps roe epcf net_profits \
1826 601988 中国银行 0.54 -3.57 4.46 12.58 NaN 16457800.0
profits_yoy distrib report_date
1826 -3.67 10派1.68 04-01
python 多线程监测股票涨停板打开 并通知用户
李魔佛 发表了文章 • 2 个评论 • 7806 次浏览 • 2017-05-17 12:27
相信打板一族一个习惯就是需要盯盘，这个一件很累的事情。 需要时刻盯着分时走势，委托单的数目，涨停打开，回封。
下面写了一个用python监测准备要打开涨停板的股票。 用多线程实现，可以支持同时监测多个股票，如果遇到撤单或者托单数少于某个临界值，说明涨停很快就要被打开。
# -*-coding=utf-8-*-
__author__ = 'Rocky'
'''
http://30daydo.com
Contact: weigesysu@qq.com
'''
import smtplib, time, os, datetime
from email.mime.text import MIMEText
from email.header import Header
from toolkit import Toolkit
from email.mime.multipart import MIMEMultipart
from email import Encoders, Utils
from toolkit import Toolkit
import tushare as ts
from pandas import Series
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
import threading
#监测涨停板开板监测
class break_monitor():
def __init__(self,send=True):
self.send=send
if self.send==True:
cfg = Toolkit.getUserData('data.cfg')
from_mail = cfg['from_mail']
password = cfg['password']
to_mail = cfg['to_mail']
smtp_server = 'smtp.qq.com'
self.server = smtp_server
self.username = from_mail.split("@")[0]
self.from_mail = from_mail
self.password = password
self.to_mail = to_mail
# 初始化邮箱设置读取需要股票信息
# 这样子只登陆一次
try:
self.smtp = smtplib.SMTP_SSL(port=465)
self.smtp.connect(self.server)
self.smtp.login(self.username, self.password)
except smtplib.SMTPException, e:
print e
return 0
self.bases = pd.read_csv('bases.csv', dtype={'code': np.str})
self.stocklist = Toolkit.read_stock('monitor_list.log')
def send_txt(self, name, content):
subject = '%s' % name
self.msg = MIMEText(content, 'plain', 'utf-8')
self.msg['to'] = self.to_mail
self.msg['from'] = self.from_mail
self.msg['Subject'] = subject
self.msg['Date'] = Utils.formatdate(localtime=1)
try:
self.smtp.sendmail(self.msg['from'], self.msg['to'], self.msg.as_string())
self.smtp.quit()
print "sent"
except smtplib.SMTPException, e:
print e
return 0
#开板提示
def break_ceil(self, code):
print threading.current_thread().name
while 1:
#print code
time.sleep(2)
try:
df = ts.get_realtime_quotes(code)
except:
time.sleep(5)
continue
v = long(df['b1_v'].values[0])
if v <= 1000:
print datetime.datetime.now().strftime("%H:%M:%S")
print u"小于万手，小心！跑"
if self.send==True:
self.push_msg('break', 10, 10, 'down')
#这里可以优化，不必每次都登陆。
def monitor_break(self,send=True):
thread_num = len(self.stocklist)
thread_list = []
join_list = []
for i in range(thread_num):
t = threading.Thread(target=self.break_ceil, args=(self.stocklist[i],))
thread_list.append(t)
for j in thread_list:
j.start()
for k in thread_list:
k.join()
if __name__ == '__main__':
path = os.path.join(os.getcwd(), 'data')
if os.path.exists(path) == False:
os.mkdir(path)
os.chdir(path)
obj = break_monitor(send=False)
obj.monitor_break()
用法： 创建一个data文件夹，里面存放一个bases.csv文件，这个文件保存了A股的所有股票基本信息。 至于如何获取。请参看连接：
然后创建一个monitor_list.log的文件，把你要监测的股票代码写进去，一个代码写一行。
如果你需要程序发信息到你的手机或者邮箱，那么在data文件夹下创建一个data.cfg的文件，里面的内容格式为：
from_mail=从这个邮箱发出，我测试的是QQ邮箱
password=发出邮箱的密码
to_mail=需要发送到的通知邮箱，推荐139邮箱，这个会推送到短信手机，等同于发一个短信给你。
然后直接运行就可以了。 查看全部
下面写了一个用python监测准备要打开涨停板的股票。 用多线程实现，可以支持同时监测多个股票，如果遇到撤单或者托单数少于某个临界值，说明涨停很快就要被打开。
# -*-coding=utf-8-*-
__author__ = 'Rocky'
'''
http://30daydo.com
Contact: weigesysu@qq.com
'''
import smtplib, time, os, datetime
from email.mime.text import MIMEText
from email.header import Header
from toolkit import Toolkit
from email.mime.multipart import MIMEMultipart
from email import Encoders, Utils
from toolkit import Toolkit
import tushare as ts
from pandas import Series
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
import threading
#监测涨停板开板监测
class break_monitor():
def __init__(self,send=True):
self.send=send
if self.send==True:
cfg = Toolkit.getUserData('data.cfg')
from_mail = cfg['from_mail']
password = cfg['password']
to_mail = cfg['to_mail']
smtp_server = 'smtp.qq.com'
self.server = smtp_server
self.username = from_mail.split("@")[0]
self.from_mail = from_mail
self.password = password
self.to_mail = to_mail
# 初始化邮箱设置读取需要股票信息
# 这样子只登陆一次
try:
self.smtp = smtplib.SMTP_SSL(port=465)
self.smtp.connect(self.server)
self.smtp.login(self.username, self.password)
except smtplib.SMTPException, e:
print e
return 0
self.bases = pd.read_csv('bases.csv', dtype={'code': np.str})
self.stocklist = Toolkit.read_stock('monitor_list.log')
def send_txt(self, name, content):
subject = '%s' % name
self.msg = MIMEText(content, 'plain', 'utf-8')
self.msg['to'] = self.to_mail
self.msg['from'] = self.from_mail
self.msg['Subject'] = subject
self.msg['Date'] = Utils.formatdate(localtime=1)
try:
self.smtp.sendmail(self.msg['from'], self.msg['to'], self.msg.as_string())
self.smtp.quit()
print "sent"
except smtplib.SMTPException, e:
print e
return 0
#开板提示
def break_ceil(self, code):
print threading.current_thread().name
while 1:
#print code
time.sleep(2)
try:
df = ts.get_realtime_quotes(code)
except:
time.sleep(5)
continue
v = long(df['b1_v'].values[0])
if v <= 1000:
print datetime.datetime.now().strftime("%H:%M:%S")
print u"小于万手，小心！跑"
if self.send==True:
self.push_msg('break', 10, 10, 'down')
#这里可以优化，不必每次都登陆。
def monitor_break(self,send=True):
thread_num = len(self.stocklist)
thread_list = []
join_list = []
for i in range(thread_num):
t = threading.Thread(target=self.break_ceil, args=(self.stocklist[i],))
thread_list.append(t)
for j in thread_list:
j.start()
for k in thread_list:
k.join()
if __name__ == '__main__':
path = os.path.join(os.getcwd(), 'data')
if os.path.exists(path) == False:
os.mkdir(path)
os.chdir(path)
obj = break_monitor(send=False)
obj.monitor_break()
用法： 创建一个data文件夹，里面存放一个bases.csv文件，这个文件保存了A股的所有股票基本信息。 至于如何获取。请参看连接：
然后创建一个monitor_list.log的文件，把你要监测的股票代码写进去，一个代码写一行。
如果你需要程序发信息到你的手机或者邮箱，那么在data文件夹下创建一个data.cfg的文件，里面的内容格式为：
from_mail=从这个邮箱发出，我测试的是QQ邮箱
password=发出邮箱的密码
to_mail=需要发送到的通知邮箱，推荐139邮箱，这个会推送到短信手机，等同于发一个短信给你。
然后直接运行就可以了。 查看全部
相信打板一族一个习惯就是需要盯盘，这个一件很累的事情。 需要时刻盯着分时走势，委托单的数目，涨停打开，回封。
下面写了一个用python监测准备要打开涨停板的股票。 用多线程实现，可以支持同时监测多个股票，如果遇到撤单或者托单数少于某个临界值，说明涨停很快就要被打开。
用法： 创建一个data文件夹，里面存放一个bases.csv文件，这个文件保存了A股的所有股票基本信息。 至于如何获取。请参看连接：
然后创建一个monitor_list.log的文件，把你要监测的股票代码写进去，一个代码写一行。
如果你需要程序发信息到你的手机或者邮箱，那么在data文件夹下创建一个data.cfg的文件，里面的内容格式为：
from_mail=从这个邮箱发出，我测试的是QQ邮箱
password=发出邮箱的密码
to_mail=需要发送到的通知邮箱，推荐139邮箱，这个会推送到短信手机，等同于发一个短信给你。
然后直接运行就可以了。
下面写了一个用python监测准备要打开涨停板的股票。 用多线程实现，可以支持同时监测多个股票，如果遇到撤单或者托单数少于某个临界值，说明涨停很快就要被打开。
# -*-coding=utf-8-*-
__author__ = 'Rocky'
'''
http://30daydo.com
Contact: weigesysu@qq.com
'''
import smtplib, time, os, datetime
from email.mime.text import MIMEText
from email.header import Header
from toolkit import Toolkit
from email.mime.multipart import MIMEMultipart
from email import Encoders, Utils
from toolkit import Toolkit
import tushare as ts
from pandas import Series
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
import threading
#监测涨停板开板监测
class break_monitor():
def __init__(self,send=True):
self.send=send
if self.send==True:
cfg = Toolkit.getUserData('data.cfg')
from_mail = cfg['from_mail']
password = cfg['password']
to_mail = cfg['to_mail']
smtp_server = 'smtp.qq.com'
self.server = smtp_server
self.username = from_mail.split("@")[0]
self.from_mail = from_mail
self.password = password
self.to_mail = to_mail
# 初始化邮箱设置读取需要股票信息
# 这样子只登陆一次
try:
self.smtp = smtplib.SMTP_SSL(port=465)
self.smtp.connect(self.server)
self.smtp.login(self.username, self.password)
except smtplib.SMTPException, e:
print e
return 0
self.bases = pd.read_csv('bases.csv', dtype={'code': np.str})
self.stocklist = Toolkit.read_stock('monitor_list.log')
def send_txt(self, name, content):
subject = '%s' % name
self.msg = MIMEText(content, 'plain', 'utf-8')
self.msg['to'] = self.to_mail
self.msg['from'] = self.from_mail
self.msg['Subject'] = subject
self.msg['Date'] = Utils.formatdate(localtime=1)
try:
self.smtp.sendmail(self.msg['from'], self.msg['to'], self.msg.as_string())
self.smtp.quit()
print "sent"
except smtplib.SMTPException, e:
print e
return 0
#开板提示
def break_ceil(self, code):
print threading.current_thread().name
while 1:
#print code
time.sleep(2)
try:
df = ts.get_realtime_quotes(code)
except:
time.sleep(5)
continue
v = long(df['b1_v'].values[0])
if v <= 1000:
print datetime.datetime.now().strftime("%H:%M:%S")
print u"小于万手，小心！跑"
if self.send==True:
self.push_msg('break', 10, 10, 'down')
#这里可以优化，不必每次都登陆。
def monitor_break(self,send=True):
thread_num = len(self.stocklist)
thread_list = []
join_list = []
for i in range(thread_num):
t = threading.Thread(target=self.break_ceil, args=(self.stocklist[i],))
thread_list.append(t)
for j in thread_list:
j.start()
for k in thread_list:
k.join()
if __name__ == '__main__':
path = os.path.join(os.getcwd(), 'data')
if os.path.exists(path) == False:
os.mkdir(path)
os.chdir(path)
obj = break_monitor(send=False)
obj.monitor_break()
用法： 创建一个data文件夹，里面存放一个bases.csv文件，这个文件保存了A股的所有股票基本信息。 至于如何获取。请参看连接：
然后创建一个monitor_list.log的文件，把你要监测的股票代码写进去，一个代码写一行。
如果你需要程序发信息到你的手机或者邮箱，那么在data文件夹下创建一个data.cfg的文件，里面的内容格式为：
from_mail=从这个邮箱发出，我测试的是QQ邮箱
password=发出邮箱的密码
to_mail=需要发送到的通知邮箱，推荐139邮箱，这个会推送到短信手机，等同于发一个短信给你。
然后直接运行就可以了。
统计新股的连板天数，通过累计换手率预测开板时机
李魔佛 发表了文章 • 0 个评论 • 2085 次浏览 • 2017-05-11 17:12
http://30daydo.com/article/182
对于一只新股，不少人会盯着它什么时候开板。 不过对于一般散户，如果换手率低于5%的一字涨停，也很难挤进去。
那么今天我们来试一下计算新股的开板前的连板天数。# -*-coding=utf-8-*-
__author__ = 'Rocky'
'''
http://30daydo.com
Contact: weigesysu@qq.com
'''
#分析新股的开板时机
import tushare as ts
import os
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
class New_Stock_Break():
def __init__(self):
#为了文件整齐，新建一个文件夹data用来专门存放数据
current = os.getcwd()
folder = os.path.join(current, 'data')
if os.path.exists(folder) == False:
os.mkdir(folder)
os.chdir(folder)
#调用tushare接口，获取A股信息
df0=ts.get_stock_basics()
#df0=pd.read_csv('bases.csv',dtype={'code':np.str})
self.bases=df0.sort_values('timeToMarket',ascending=False)
#获取样本， 获取最近一个年的新股情况
self.cxg=self.bases[(self.bases['timeToMarket']>20160101) & (self.bases['timeToMarket']<20170101)]
self.codes= self.cxg['code'].values
def calc_open_by_percent(self,code):
cont=100000000
#total_vol=self.bases[self.bases['code']==code]['totals'].values[0]
acutal_vol=self.bases[self.bases['code']==code]['outstanding'].values[0]
all_vol= acutal_vol*cont
df1=ts.get_k_data(code)
i=1
while 1:
s=df1.ix[1]
if s['high']!=s['low']:
#date=s['date']
break
i=i+1
j=i-1
date_end=df1.ix[j]['date']
date_start=df1.ix[0]['date']
df3=df1[(df1['date']>=date_start) & (df1['date']<=date_end)]
v_total_break=df3['volume'].sum()
l=len(df3)
print l
print v_total_break
rate=v_total_break*100*100.00/all_vol #手和股 注意
print round(rate,6)
return rate,l
def getData(self):
result=
max_line=
k=
for i in self.codes:
print i
name=self.bases[self.bases['code']==i]['name'].values[0]
rate,l=self.calc_open_by_percent(i)
if rate is not None:
result.append(rate)
max_line.append([name,l,rate])
k.append(l)
#写入文件
f=open('2016-2017-cixin.csv','w')
for x in max_line:
#f.write(';'.join(x))
f.write(x[0])
f.write('-')
f.write(str(x[1]))
f.write('-')
f.write(str(x[2]))
f.write('\n')
f.close()
def main():
obj=New_Stock_Break()
obj.testcase2()
main()
运行后得到的数据如下：
你可以修改部分参数，可以获取每一年，或者每一个月的新股情况。
从上面的数据可以获取得到，最多的连班是海天精工的29板， 海天精工-29-12.8248076923
累计的换手率达到了12.8。
当然上面的是在2016年IPO速度还没那么快的时候，2017年平均不到10个板就开了。
附上抓取的数据文件
链接: https://pan.baidu.com/s/1c1LpOZ2 密码: r3yk 查看全部
对于一只新股，不少人会盯着它什么时候开板。 不过对于一般散户，如果换手率低于5%的一字涨停，也很难挤进去。
那么今天我们来试一下计算新股的开板前的连板天数。# -*-coding=utf-8-*-
__author__ = 'Rocky'
'''
http://30daydo.com
Contact: weigesysu@qq.com
'''
#分析新股的开板时机
import tushare as ts
import os
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
class New_Stock_Break():
def __init__(self):
#为了文件整齐，新建一个文件夹data用来专门存放数据
current = os.getcwd()
folder = os.path.join(current, 'data')
if os.path.exists(folder) == False:
os.mkdir(folder)
os.chdir(folder)
#调用tushare接口，获取A股信息
df0=ts.get_stock_basics()
#df0=pd.read_csv('bases.csv',dtype={'code':np.str})
self.bases=df0.sort_values('timeToMarket',ascending=False)
#获取样本， 获取最近一个年的新股情况
self.cxg=self.bases[(self.bases['timeToMarket']>20160101) & (self.bases['timeToMarket']<20170101)]
self.codes= self.cxg['code'].values
def calc_open_by_percent(self,code):
cont=100000000
#total_vol=self.bases[self.bases['code']==code]['totals'].values[0]
acutal_vol=self.bases[self.bases['code']==code]['outstanding'].values[0]
all_vol= acutal_vol*cont
df1=ts.get_k_data(code)
i=1
while 1:
s=df1.ix[1]
if s['high']!=s['low']:
#date=s['date']
break
i=i+1
j=i-1
date_end=df1.ix[j]['date']
date_start=df1.ix[0]['date']
df3=df1[(df1['date']>=date_start) & (df1['date']<=date_end)]
v_total_break=df3['volume'].sum()
l=len(df3)
print l
print v_total_break
rate=v_total_break*100*100.00/all_vol #手和股 注意
print round(rate,6)
return rate,l
def getData(self):
result=
max_line=
k=
for i in self.codes:
print i
name=self.bases[self.bases['code']==i]['name'].values[0]
rate,l=self.calc_open_by_percent(i)
if rate is not None:
result.append(rate)
max_line.append([name,l,rate])
k.append(l)
#写入文件
f=open('2016-2017-cixin.csv','w')
for x in max_line:
#f.write(';'.join(x))
f.write(x[0])
f.write('-')
f.write(str(x[1]))
f.write('-')
f.write(str(x[2]))
f.write('\n')
f.close()
def main():
obj=New_Stock_Break()
obj.testcase2()
main()
运行后得到的数据如下：
你可以修改部分参数，可以获取每一年，或者每一个月的新股情况。
从上面的数据可以获取得到，最多的连班是海天精工的29板， 海天精工-29-12.8248076923
累计的换手率达到了12.8。
当然上面的是在2016年IPO速度还没那么快的时候，2017年平均不到10个板就开了。
附上抓取的数据文件
链接: https://pan.baidu.com/s/1c1LpOZ2 密码: r3yk 查看全部
http://30daydo.com/article/182
对于一只新股，不少人会盯着它什么时候开板。 不过对于一般散户，如果换手率低于5%的一字涨停，也很难挤进去。
那么今天我们来试一下计算新股的开板前的连板天数。
运行后得到的数据如下：
你可以修改部分参数，可以获取每一年，或者每一个月的新股情况。
从上面的数据可以获取得到，最多的连班是海天精工的29板， 海天精工-29-12.8248076923
累计的换手率达到了12.8。
当然上面的是在2016年IPO速度还没那么快的时候，2017年平均不到10个板就开了。
附上抓取的数据文件
链接: https://pan.baidu.com/s/1c1LpOZ2 密码: r3yk
对于一只新股，不少人会盯着它什么时候开板。 不过对于一般散户，如果换手率低于5%的一字涨停，也很难挤进去。
那么今天我们来试一下计算新股的开板前的连板天数。
# -*-coding=utf-8-*-
__author__ = 'Rocky'
'''
http://30daydo.com
Contact: weigesysu@qq.com
'''
#分析新股的开板时机
import tushare as ts
import os
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
class New_Stock_Break():
def __init__(self):
#为了文件整齐，新建一个文件夹data用来专门存放数据
current = os.getcwd()
folder = os.path.join(current, 'data')
if os.path.exists(folder) == False:
os.mkdir(folder)
os.chdir(folder)
#调用tushare接口，获取A股信息
df0=ts.get_stock_basics()
#df0=pd.read_csv('bases.csv',dtype={'code':np.str})
self.bases=df0.sort_values('timeToMarket',ascending=False)
#获取样本， 获取最近一个年的新股情况
self.cxg=self.bases[(self.bases['timeToMarket']>20160101) & (self.bases['timeToMarket']<20170101)]
self.codes= self.cxg['code'].values
def calc_open_by_percent(self,code):
cont=100000000
#total_vol=self.bases[self.bases['code']==code]['totals'].values[0]
acutal_vol=self.bases[self.bases['code']==code]['outstanding'].values[0]
all_vol= acutal_vol*cont
df1=ts.get_k_data(code)
i=1
while 1:
s=df1.ix[1]
if s['high']!=s['low']:
#date=s['date']
break
i=i+1
j=i-1
date_end=df1.ix[j]['date']
date_start=df1.ix[0]['date']
df3=df1[(df1['date']>=date_start) & (df1['date']<=date_end)]
v_total_break=df3['volume'].sum()
l=len(df3)
print l
print v_total_break
rate=v_total_break*100*100.00/all_vol #手和股 注意
print round(rate,6)
return rate,l
def getData(self):
result=
max_line=
k=
for i in self.codes:
print i
name=self.bases[self.bases['code']==i]['name'].values[0]
rate,l=self.calc_open_by_percent(i)
if rate is not None:
result.append(rate)
max_line.append([name,l,rate])
k.append(l)
#写入文件
f=open('2016-2017-cixin.csv','w')
for x in max_line:
#f.write(';'.join(x))
f.write(x[0])
f.write('-')
f.write(str(x[1]))
f.write('-')
f.write(str(x[2]))
f.write('\n')
f.close()
def main():
obj=New_Stock_Break()
obj.testcase2()
main()
运行后得到的数据如下：
你可以修改部分参数，可以获取每一年，或者每一个月的新股情况。
从上面的数据可以获取得到，最多的连班是海天精工的29板， 海天精工-29-12.8248076923
累计的换手率达到了12.8。
当然上面的是在2016年IPO速度还没那么快的时候，2017年平均不到10个板就开了。
附上抓取的数据文件
链接: https://pan.baidu.com/s/1c1LpOZ2 密码: r3yk
聚币网/coinegg API使用教程 附demo代码
李魔佛 发表了文章 • 56 个评论 • 16072 次浏览 • 2017-05-11 09:05
******* 2018.14 更新 ***********
现在聚币网已经被关闭了，但是所有的币都可以转移到CoinEgg网了，币种和以前一模一样，只是用户参与度减少了很多，市场不是一个有效的市场，但是这对于操盘手来说，更加是一个收益大的地方。
使用下面链接注册后，用户可以返30%的佣金。 其实也无所谓，佣金不会很多，一次也就几分钱到几毛钱，自己去官网注册也可以。看个人心情啦。
http://www.coinegg.com/user/register?inv=7d91a
后续会就coinegg写一个自动交易的系统出来
******* 8.28 更新 ***********
不少人反应签名不通过，经过调试，发现是加密前的字符拼接的顺序问题，这个拼接顺序要和你post上去的顺序要一致，才能通过。如果出现104的返回代码，说明是你的顺序问题，说明你的签名没有成功。
贴代码说明下： 使用字典循环，就可以知道正确的拼接顺序。 下面的代码是获取成交订单的。 def Trade_list(self, coin):
'''
Trade_list（挂单查询）
您指定时间后的挂单，可以根据类型查询，比如查看正在挂单和全部挂单
Path：/api/v1/trade_list/
Request类型：POST
参数
key - API key
signature - signature
nonce - nonce
since - unix timestamp(utc timezone) default == 0, i.e. 返回所有
coin - 币种简称,例如btc、ltc、xas
type - 挂单类型[open:正在挂单, all:所有挂单]
返回JSON dictionary
id - 挂单ID
datetime - date and time
type - "buy" or "sell"
price - price
amount_original - 下单时数量
amount_outstanding - 当前剩余数量
'''
url = self.host + '/api/v1/trade_list/'
time.sleep(random.random())
nonce = self.get_nonce_time()
types = 'all'
since = 0
parameters = {'key': self.public_key, 'nonce': str(nonce), 'type': types, 'coin': coin, 'signature': ''}
# print parameters
post_data = ''
for k, v in parameters.items():
if not isinstance(v, str):
#if type(v) is not types.StringType:
v = str(v)
post_data = post_data + k
post_data = post_data + '=' + v + '&'
#print 'post-data:\n',post_data
post_data = post_data[:-1]
post_data = post_data.replace('&signature=', '')
#print post_data
signature = hmac.new(self.md5, post_data, digestmod=hashlib.sha256).digest()
sig = self.toHex(signature)
parameters['signature'] = sig
#print parameters
r = requests.post(url=url, data=parameters)
s = r.json()
#print s
return s
如果还是没有解决的话就网站内私信我看看问题所在。
******************************************* 原文内容 ***************************************************
官方有API的文档，可是这个文档就像一个草稿一样，两个基本例子都没有。 所以自己摸索一下，自己写一个现成的例子给大家，可以有个参考。 下面的例子亲测成功。
首先看一下官方的API文档：
一、API使用说明
1、请求过程说明
1.1 构造请求数据，用户数据按照Jubi提供的接口规则，通过程序生成签名和要传输给Jubi的数据集合；
1.2 发送请求数据，把构造完成的数据集合通过POST/GET提交的方式传递给Jubi；
1.3 Jubi对请求数据进行处理，服务器在接收到请求后，会首先进行安全校验，验证通过后便会处理该次发送过来的请求；
1.4 返回响应结果数据，Jubi把响应结果以JSON的格式反馈给用户，具体的响应格式，错误代码参见接口部分；
1.5 对获取的返回结果数据进行处理；
2、安全认证
所有的private API都需要经过认证
Api的申请可以到财务中心 -> API，申请得到私钥和公钥，私钥Jubi将不做储存，一旦丢失将无法找回
注意:请勿向任何人泄露这两个参数，这像您的密码一样重要
2.签名机制
每次请求private api 都需要验证签名，发送的参数示例：
$param = array(
amount => 1,
price => 10000,
type => 'buy',
nonce => 141377098123
key => 5zi7w-4mnes-swmc4-egg9b-f2iqw-396z4-g541b
signature => 459c69d25c496765191582d9611028b9974830e9dfafd762854669809290ed82
);
nonce 可以理解为一个递增的整数：http://zh.wikipedia.org/wiki/Nonce
key 是申请到的公钥
signature是签名，是将amount price type nonce key等参数通过'&'字符连接起来通过md5(私钥)为key进行sha256算法加密得到的值.
首先聚币的行情是使用网络爬虫获取的，而说明中给出了一系列的参数，你需要做的就是把这些参数填充上去。
如果你只是想要获取行情，那么事情容易很多。 def real_time_ticker(coin):
url = 'https://www.jubi.com/api/v1/ticker/'
try:
data = requests.post(url, data={'coin': coin}).json()
except Exception ,e:
print e
return data
上面代码展示的时候获取实时的行情。委一和买一的价格，数量，和当前成交的数量，价格。
按照上面的格式，把参数coin填上去，比如要获取泽塔币， real_time_ticker('zet') 就会返回获取的数据。{u'sell': u'0.179000', u'volume': 21828245.102822, u'buy': u'0.175010', u'last': u'0.179000', u'vol': 108290769.9171, u'high': u'0.289000', u'low': u'0.119141'}
所有的private API都需要经过认证, 就是说如果你要进行交易，委托，下单，你就需要使用私钥和公钥，并进行一系列的加密。
每次请求private api 都需要验证签名，发送的参数示例：
$param = array(
amount => 1,
price => 10000,
type => 'buy',
nonce => 141377098123
key => 5zi7w-4mnes-swmc4-egg9b-f2iqw-396z4-g541b
signature => 459c69d25c496765191582d9611028b9974830e9dfafd762854669809290ed82
);
nonce 可以理解为一个递增的整数：http://zh.wikipedia.org/wiki/Nonce
key 是申请到的公钥
signature是签名，是将amount price type nonce key等参数通过'&'字符连接起来通过md5(私钥)为key进行sha256算法加密得到的值.
比如下单：
Trade_add（下单）
Path：/api/v1/trade_add/
Request类型：POST
参数
key - API key
signature - signature
nonce - nonce
amount - 购买数量
price - 购买价格
type - 买单或者卖单
coin - 币种简称,例如btc、ltc、xas
id - 挂单ID
result - true(成功), false(失败)
{"result":true, "id":"11"}
返回JSON dictionary
id - 挂单ID
result - true(成功), false(失败)
返回结果示例：
{"result":true, "id":"11"}
首先解决nonce。
在维基百科中
在安全工程中，Nonce是一个在加密通信只能使用一次的数字。在认证协议中，它往往是一个随机或伪随机数，以避免重放攻击。Nonce也用于流密码以确保安全。如果需要使用相同的密钥加密一个以上的消息，就需要Nonce来确保不同的消息与该密钥加密的密钥流不同。
结合stackoverflow， nonce只是一个12位的随机数。
可以用以下方法获得这个随机数 def get_nonce(self):
lens=12
return ''.join([str(random.randint(0, 9)) for i in range(lens)])
聚币中的nonce的位数是12位，所以lens定义为12
或者可以直接用时间函数生成： def get_nonce_time(self):
lens = 12
curr_stamp = time.time()*100
nonece=int(curr_stamp)
return nonece
然后是signature。
signature是签名，是将amount price type nonce key等参数通过'&'字符连接起来通过md5(私钥)为key进行sha256算法加密得到的值.
先把私钥进行md5处理 def getHash(self,s):
m=hashlib.md5()
m.update(s)
return m.hexdigest()
只要把私钥传入函数getHash就可以得到一个md5处理过的字符串。
私钥是聚币网给每个用户分配的字符串，是唯一的，这里假设为private_key=123456789吧，具体是多少，在你的聚币网设置里面可以找到。
sha_256key=self.getHash(private_key)
按照要求吧 你要post的数据字符串连起来nonce=self.get_nonce_time
type='buy'
amount='10000'
key='xxxxxxxxxxx‘ #这个是聚币网给你的公钥，同样在设置里头可以找到
price='10' #你要设置的价格为10
coin='zet'
message = "amount=“+amount+”&nonce="+str(nonce)+"&type="+type+"&key="+key+'&price="+price+"&coin"+coin
signature = hmac.new(sha_256key, message, digestmod=hashlib.sha256).digest()
这样获得signature之后，就可以通过签名来进行post操作。
data_wrap={'nonce':nonce,'key':key_value,'signature':signature}
js=requests.post(url,data=data_wrap).json()
如果直接按照上面的代码去获取账户相关信息或者去挂单的话，会返回104的签名错误。 经过不断的排查，发现是signature的字符格式的问题。
构造一个str转换格式的函数： def toHex(self,str):
lst =
for ch in str:
hv = hex(ord(ch)).replace('0x', '')
if len(hv) == 1:
hv = '0' + hv
lst.append(hv)
return reduce(lambda x, y: x + y, lst)这个函数的作用就是把原来十六进制格式的字符完全转化成十六进制，把前面的0x去掉，不足2位的补全为2位。
把经过处理的signature进行格式转换后，几次提交，终于发现可以获取到用户的账户信息，进行下单，撤单，等操作。
下面是一个获取账户信息的代码段： def getAccount(self):
url='https://www.jubi.com/api/v1/balance/'
nonce_value=self.get_nonce_time()
print nonce_value
key_value=self.public_key
private_key=self.private_key
s='nonce='+str(nonce_value)+'&'+'key='+key_value
print s
#signature是签名，是将amount price type nonce key等参数通过'&'字符连接起来通过md5(私钥)为key进行sha256算法加密得到的值.
md5=self.getHash(private_key)
print md5
print type(md5)
msg=bytes(s).encode('utf-8')
key=bytes(md5).encode('utf-8')
signature =hmac.new(key,msg,digestmod=hashlib.sha256).digest()
print signature
print type(signature)
sig=self.toHex(signature)
print sig
data_wrap={'nonce':nonce_value,'key':key_value,'signature':sig}
print data_wrap
data_en=urllib.urlencode(data_wrap)
req=urllib2.Request(url,data=data_en)
resp=urllib2.urlopen(req).read()
print resp
def toHex(self,str):
lst =
for ch in str:
hv = hex(ord(ch)).replace('0x', '')
if len(hv) == 1:
hv = '0' + hv
lst.append(hv)
return reduce(lambda x, y: x + y, lst)
以上的代码运行后返回一下账户信息：{"uid":123456,"nameauth":1,"moflag":1,"asset":,"btc_balance":0,"btc_lock":0,"drk_balance":0,"drk_lock":0,"blk_balance":0,"blk_lock":0,"vrc_balance":0,"vrc_lock":0,"tfc_balance":0,"tfc_lock":0,"jbc_balance":0,"jbc_lock":0,"ltc_balance":0,"ltc_lock":0,"doge_balance":0,"doge_lock":0,"xpm_balance":0,"xpm_lock":0,"ppc_balance":0,"ppc_lock":0,"wdc_balance":0,"wdc_lock":0,"vtc_balance":0,"vtc_lock":0,"max_balance":0,"max_lock":0,"ifc_balance":0,"ifc_lock":0,"zcc_balance":0,"zcc_lock":0,"zet_balance":0,"zet_lock":0,"eac_balance":0,"eac_lock":0,"fz_balance":0,"fz_lock":0,"skt_balance":0,"skt_lock":0,"plc_balance":0,"plc_lock":0,"mtc_balance":0,"mtc_lock":0,"qec_balance":0,"qec_lock":0,"lkc_balance":10,"lkc_lock":0,"met_balance":0,"met_lock":0,"ytc_balance":0,"ytc_lock":0,"hlb_balance":0,"hlb_lock":0,"game_balance":0,"game_lock":0,"rss_balance":0,"rss_lock":0,"rio_balance":0,"rio_lock":0,"ktc_balance":0,"ktc_lock":0,"pgc_balance":0,"pgc_lock":0,"mryc_balance":0,"mryc_lock":0,"eth_balance":0,"eth_lock":0,"etc_balance":0,"etc_lock":0,"dnc_balance":0,"dnc_lock":0,"gooc_balance":0,"gooc_lock":0,"xrp_balance":0,"xrp_lock":0,"nxt_balance":0,"nxt_lock":0,"lsk_balance":0,"lsk_lock":0,"xas_balance":0,"xas_lock":0,"peb_balance":0,"peb_lock":0,"nhgh_balance":0,"nhgh_lock":0,"xsgs_balance":0,"xsgs_lock":0,"ans_balance":0,"ans_lock":0,"bts_balance":0,"bts_lock":0,"cny_balance":0,"cny_lock":0}
聚币网个人邀请码：
514330
还没注册可以拿去用，对于我而言可以拿到你们交易费用的50%，不过一般交易费除非是超级大户，一般散户都很少。千分之一的交易手续费。
欢迎一起讨论：
Email：weigesysu@qq.com
原创内容，转载请注明出处
http://30daydo.com/article/181
查看全部
现在聚币网已经被关闭了，但是所有的币都可以转移到CoinEgg网了，币种和以前一模一样，只是用户参与度减少了很多，市场不是一个有效的市场，但是这对于操盘手来说，更加是一个收益大的地方。
使用下面链接注册后，用户可以返30%的佣金。 其实也无所谓，佣金不会很多，一次也就几分钱到几毛钱，自己去官网注册也可以。看个人心情啦。
http://www.coinegg.com/user/register?inv=7d91a
后续会就coinegg写一个自动交易的系统出来
******* 8.28 更新 ***********
不少人反应签名不通过，经过调试，发现是加密前的字符拼接的顺序问题，这个拼接顺序要和你post上去的顺序要一致，才能通过。如果出现104的返回代码，说明是你的顺序问题，说明你的签名没有成功。
贴代码说明下： 使用字典循环，就可以知道正确的拼接顺序。 下面的代码是获取成交订单的。 def Trade_list(self, coin):
'''
Trade_list（挂单查询）
您指定时间后的挂单，可以根据类型查询，比如查看正在挂单和全部挂单
Path：/api/v1/trade_list/
Request类型：POST
参数
key - API key
signature - signature
nonce - nonce
since - unix timestamp(utc timezone) default == 0, i.e. 返回所有
coin - 币种简称,例如btc、ltc、xas
type - 挂单类型[open:正在挂单, all:所有挂单]
返回JSON dictionary
id - 挂单ID
datetime - date and time
type - "buy" or "sell"
price - price
amount_original - 下单时数量
amount_outstanding - 当前剩余数量
'''
url = self.host + '/api/v1/trade_list/'
time.sleep(random.random())
nonce = self.get_nonce_time()
types = 'all'
since = 0
parameters = {'key': self.public_key, 'nonce': str(nonce), 'type': types, 'coin': coin, 'signature': ''}
# print parameters
post_data = ''
for k, v in parameters.items():
if not isinstance(v, str):
#if type(v) is not types.StringType:
v = str(v)
post_data = post_data + k
post_data = post_data + '=' + v + '&'
#print 'post-data:\n',post_data
post_data = post_data[:-1]
post_data = post_data.replace('&signature=', '')
#print post_data
signature = hmac.new(self.md5, post_data, digestmod=hashlib.sha256).digest()
sig = self.toHex(signature)
parameters['signature'] = sig
#print parameters
r = requests.post(url=url, data=parameters)
s = r.json()
#print s
return s
如果还是没有解决的话就网站内私信我看看问题所在。
******************************************* 原文内容 ***************************************************
官方有API的文档，可是这个文档就像一个草稿一样，两个基本例子都没有。 所以自己摸索一下，自己写一个现成的例子给大家，可以有个参考。 下面的例子亲测成功。
首先看一下官方的API文档：
一、API使用说明
1、请求过程说明
1.1 构造请求数据，用户数据按照Jubi提供的接口规则，通过程序生成签名和要传输给Jubi的数据集合；
1.2 发送请求数据，把构造完成的数据集合通过POST/GET提交的方式传递给Jubi；
1.3 Jubi对请求数据进行处理，服务器在接收到请求后，会首先进行安全校验，验证通过后便会处理该次发送过来的请求；
1.4 返回响应结果数据，Jubi把响应结果以JSON的格式反馈给用户，具体的响应格式，错误代码参见接口部分；
1.5 对获取的返回结果数据进行处理；
2、安全认证
所有的private API都需要经过认证
Api的申请可以到财务中心 -> API，申请得到私钥和公钥，私钥Jubi将不做储存，一旦丢失将无法找回
注意:请勿向任何人泄露这两个参数，这像您的密码一样重要
2.签名机制
每次请求private api 都需要验证签名，发送的参数示例：
$param = array(
amount => 1,
price => 10000,
type => 'buy',
nonce => 141377098123
key => 5zi7w-4mnes-swmc4-egg9b-f2iqw-396z4-g541b
signature => 459c69d25c496765191582d9611028b9974830e9dfafd762854669809290ed82
);
nonce 可以理解为一个递增的整数：http://zh.wikipedia.org/wiki/Nonce
key 是申请到的公钥
signature是签名，是将amount price type nonce key等参数通过'&'字符连接起来通过md5(私钥)为key进行sha256算法加密得到的值.
首先聚币的行情是使用网络爬虫获取的，而说明中给出了一系列的参数，你需要做的就是把这些参数填充上去。
如果你只是想要获取行情，那么事情容易很多。 def real_time_ticker(coin):
url = 'https://www.jubi.com/api/v1/ticker/'
try:
data = requests.post(url, data={'coin': coin}).json()
except Exception ,e:
print e
return data
上面代码展示的时候获取实时的行情。委一和买一的价格，数量，和当前成交的数量，价格。
按照上面的格式，把参数coin填上去，比如要获取泽塔币， real_time_ticker('zet') 就会返回获取的数据。{u'sell': u'0.179000', u'volume': 21828245.102822, u'buy': u'0.175010', u'last': u'0.179000', u'vol': 108290769.9171, u'high': u'0.289000', u'low': u'0.119141'}
所有的private API都需要经过认证, 就是说如果你要进行交易，委托，下单，你就需要使用私钥和公钥，并进行一系列的加密。
每次请求private api 都需要验证签名，发送的参数示例：
$param = array(
amount => 1,
price => 10000,
type => 'buy',
nonce => 141377098123
key => 5zi7w-4mnes-swmc4-egg9b-f2iqw-396z4-g541b
signature => 459c69d25c496765191582d9611028b9974830e9dfafd762854669809290ed82
);
nonce 可以理解为一个递增的整数：http://zh.wikipedia.org/wiki/Nonce
key 是申请到的公钥
signature是签名，是将amount price type nonce key等参数通过'&'字符连接起来通过md5(私钥)为key进行sha256算法加密得到的值.
比如下单：
Trade_add（下单）
Path：/api/v1/trade_add/
Request类型：POST
参数
key - API key
signature - signature
nonce - nonce
amount - 购买数量
price - 购买价格
type - 买单或者卖单
coin - 币种简称,例如btc、ltc、xas
id - 挂单ID
result - true(成功), false(失败)
{"result":true, "id":"11"}
返回JSON dictionary
id - 挂单ID
result - true(成功), false(失败)
返回结果示例：
{"result":true, "id":"11"}
首先解决nonce。
在维基百科中
在安全工程中，Nonce是一个在加密通信只能使用一次的数字。在认证协议中，它往往是一个随机或伪随机数，以避免重放攻击。Nonce也用于流密码以确保安全。如果需要使用相同的密钥加密一个以上的消息，就需要Nonce来确保不同的消息与该密钥加密的密钥流不同。
结合stackoverflow， nonce只是一个12位的随机数。
可以用以下方法获得这个随机数 def get_nonce(self):
lens=12
return ''.join([str(random.randint(0, 9)) for i in range(lens)])
聚币中的nonce的位数是12位，所以lens定义为12
或者可以直接用时间函数生成： def get_nonce_time(self):
lens = 12
curr_stamp = time.time()*100
nonece=int(curr_stamp)
return nonece
然后是signature。
signature是签名，是将amount price type nonce key等参数通过'&'字符连接起来通过md5(私钥)为key进行sha256算法加密得到的值.
先把私钥进行md5处理 def getHash(self,s):
m=hashlib.md5()
m.update(s)
return m.hexdigest()
只要把私钥传入函数getHash就可以得到一个md5处理过的字符串。
私钥是聚币网给每个用户分配的字符串，是唯一的，这里假设为private_key=123456789吧，具体是多少，在你的聚币网设置里面可以找到。
sha_256key=self.getHash(private_key)
按照要求吧 你要post的数据字符串连起来nonce=self.get_nonce_time
type='buy'
amount='10000'
key='xxxxxxxxxxx‘ #这个是聚币网给你的公钥，同样在设置里头可以找到
price='10' #你要设置的价格为10
coin='zet'
message = "amount=“+amount+”&nonce="+str(nonce)+"&type="+type+"&key="+key+'&price="+price+"&coin"+coin
signature = hmac.new(sha_256key, message, digestmod=hashlib.sha256).digest()
这样获得signature之后，就可以通过签名来进行post操作。
data_wrap={'nonce':nonce,'key':key_value,'signature':signature}
js=requests.post(url,data=data_wrap).json()
如果直接按照上面的代码去获取账户相关信息或者去挂单的话，会返回104的签名错误。 经过不断的排查，发现是signature的字符格式的问题。
构造一个str转换格式的函数： def toHex(self,str):
lst =
for ch in str:
hv = hex(ord(ch)).replace('0x', '')
if len(hv) == 1:
hv = '0' + hv
lst.append(hv)
return reduce(lambda x, y: x + y, lst)这个函数的作用就是把原来十六进制格式的字符完全转化成十六进制，把前面的0x去掉，不足2位的补全为2位。
把经过处理的signature进行格式转换后，几次提交，终于发现可以获取到用户的账户信息，进行下单，撤单，等操作。
下面是一个获取账户信息的代码段： def getAccount(self):
url='https://www.jubi.com/api/v1/balance/'
nonce_value=self.get_nonce_time()
print nonce_value
key_value=self.public_key
private_key=self.private_key
s='nonce='+str(nonce_value)+'&'+'key='+key_value
print s
#signature是签名，是将amount price type nonce key等参数通过'&'字符连接起来通过md5(私钥)为key进行sha256算法加密得到的值.
md5=self.getHash(private_key)
print md5
print type(md5)
msg=bytes(s).encode('utf-8')
key=bytes(md5).encode('utf-8')
signature =hmac.new(key,msg,digestmod=hashlib.sha256).digest()
print signature
print type(signature)
sig=self.toHex(signature)
print sig
data_wrap={'nonce':nonce_value,'key':key_value,'signature':sig}
print data_wrap
data_en=urllib.urlencode(data_wrap)
req=urllib2.Request(url,data=data_en)
resp=urllib2.urlopen(req).read()
print resp
def toHex(self,str):
lst =
for ch in str:
hv = hex(ord(ch)).replace('0x', '')
if len(hv) == 1:
hv = '0' + hv
lst.append(hv)
return reduce(lambda x, y: x + y, lst)
以上的代码运行后返回一下账户信息：{"uid":123456,"nameauth":1,"moflag":1,"asset":,"btc_balance":0,"btc_lock":0,"drk_balance":0,"drk_lock":0,"blk_balance":0,"blk_lock":0,"vrc_balance":0,"vrc_lock":0,"tfc_balance":0,"tfc_lock":0,"jbc_balance":0,"jbc_lock":0,"ltc_balance":0,"ltc_lock":0,"doge_balance":0,"doge_lock":0,"xpm_balance":0,"xpm_lock":0,"ppc_balance":0,"ppc_lock":0,"wdc_balance":0,"wdc_lock":0,"vtc_balance":0,"vtc_lock":0,"max_balance":0,"max_lock":0,"ifc_balance":0,"ifc_lock":0,"zcc_balance":0,"zcc_lock":0,"zet_balance":0,"zet_lock":0,"eac_balance":0,"eac_lock":0,"fz_balance":0,"fz_lock":0,"skt_balance":0,"skt_lock":0,"plc_balance":0,"plc_lock":0,"mtc_balance":0,"mtc_lock":0,"qec_balance":0,"qec_lock":0,"lkc_balance":10,"lkc_lock":0,"met_balance":0,"met_lock":0,"ytc_balance":0,"ytc_lock":0,"hlb_balance":0,"hlb_lock":0,"game_balance":0,"game_lock":0,"rss_balance":0,"rss_lock":0,"rio_balance":0,"rio_lock":0,"ktc_balance":0,"ktc_lock":0,"pgc_balance":0,"pgc_lock":0,"mryc_balance":0,"mryc_lock":0,"eth_balance":0,"eth_lock":0,"etc_balance":0,"etc_lock":0,"dnc_balance":0,"dnc_lock":0,"gooc_balance":0,"gooc_lock":0,"xrp_balance":0,"xrp_lock":0,"nxt_balance":0,"nxt_lock":0,"lsk_balance":0,"lsk_lock":0,"xas_balance":0,"xas_lock":0,"peb_balance":0,"peb_lock":0,"nhgh_balance":0,"nhgh_lock":0,"xsgs_balance":0,"xsgs_lock":0,"ans_balance":0,"ans_lock":0,"bts_balance":0,"bts_lock":0,"cny_balance":0,"cny_lock":0}
聚币网个人邀请码：
514330
还没注册可以拿去用，对于我而言可以拿到你们交易费用的50%，不过一般交易费除非是超级大户，一般散户都很少。千分之一的交易手续费。
欢迎一起讨论：
Email：weigesysu@qq.com
原创内容，转载请注明出处
http://30daydo.com/article/181
查看全部
******* 2018.14 更新 ***********
现在聚币网已经被关闭了，但是所有的币都可以转移到CoinEgg网了，币种和以前一模一样，只是用户参与度减少了很多，市场不是一个有效的市场，但是这对于操盘手来说，更加是一个收益大的地方。
使用下面链接注册后，用户可以返30%的佣金。 其实也无所谓，佣金不会很多，一次也就几分钱到几毛钱，自己去官网注册也可以。看个人心情啦。
http://www.coinegg.com/user/register?inv=7d91a
后续会就coinegg写一个自动交易的系统出来
******* 8.28 更新 ***********
不少人反应签名不通过，经过调试，发现是加密前的字符拼接的顺序问题，这个拼接顺序要和你post上去的顺序要一致，才能通过。如果出现104的返回代码，说明是你的顺序问题，说明你的签名没有成功。
贴代码说明下： 使用字典循环，就可以知道正确的拼接顺序。 下面的代码是获取成交订单的。
如果还是没有解决的话就网站内私信我看看问题所在。
******************************************* 原文内容 ***************************************************
官方有API的文档，可是这个文档就像一个草稿一样，两个基本例子都没有。 所以自己摸索一下，自己写一个现成的例子给大家，可以有个参考。 下面的例子亲测成功。
首先看一下官方的API文档：
首先聚币的行情是使用网络爬虫获取的，而说明中给出了一系列的参数，你需要做的就是把这些参数填充上去。
如果你只是想要获取行情，那么事情容易很多。
上面代码展示的时候获取实时的行情。委一和买一的价格，数量，和当前成交的数量，价格。
按照上面的格式，把参数coin填上去，比如要获取泽塔币， real_time_ticker('zet') 就会返回获取的数据。
所有的private API都需要经过认证, 就是说如果你要进行交易，委托，下单，你就需要使用私钥和公钥，并进行一系列的加密。
比如下单：
首先解决nonce。
在维基百科中
在安全工程中，Nonce是一个在加密通信只能使用一次的数字。在认证协议中，它往往是一个随机或伪随机数，以避免重放攻击。Nonce也用于流密码以确保安全。如果需要使用相同的密钥加密一个以上的消息，就需要Nonce来确保不同的消息与该密钥加密的密钥流不同。
结合stackoverflow， nonce只是一个12位的随机数。
可以用以下方法获得这个随机数
聚币中的nonce的位数是12位，所以lens定义为12
或者可以直接用时间函数生成：
然后是signature。
signature是签名，是将amount price type nonce key等参数通过'&'字符连接起来通过md5(私钥)为key进行sha256算法加密得到的值.
先把私钥进行md5处理
只要把私钥传入函数getHash就可以得到一个md5处理过的字符串。
私钥是聚币网给每个用户分配的字符串，是唯一的，这里假设为private_key=123456789吧，具体是多少，在你的聚币网设置里面可以找到。
sha_256key=self.getHash(private_key)
按照要求吧 你要post的数据字符串连起来
如果直接按照上面的代码去获取账户相关信息或者去挂单的话，会返回104的签名错误。 经过不断的排查，发现是signature的字符格式的问题。
构造一个str转换格式的函数：
把经过处理的signature进行格式转换后，几次提交，终于发现可以获取到用户的账户信息，进行下单，撤单，等操作。
下面是一个获取账户信息的代码段：
以上的代码运行后返回一下账户信息：
聚币网个人邀请码：
514330
还没注册可以拿去用，对于我而言可以拿到你们交易费用的50%，不过一般交易费除非是超级大户，一般散户都很少。千分之一的交易手续费。
欢迎一起讨论：
Email：weigesysu@qq.com
原创内容，转载请注明出处
http://30daydo.com/article/181
现在聚币网已经被关闭了，但是所有的币都可以转移到CoinEgg网了，币种和以前一模一样，只是用户参与度减少了很多，市场不是一个有效的市场，但是这对于操盘手来说，更加是一个收益大的地方。
使用下面链接注册后，用户可以返30%的佣金。 其实也无所谓，佣金不会很多，一次也就几分钱到几毛钱，自己去官网注册也可以。看个人心情啦。
http://www.coinegg.com/user/register?inv=7d91a
后续会就coinegg写一个自动交易的系统出来
******* 8.28 更新 ***********
不少人反应签名不通过，经过调试，发现是加密前的字符拼接的顺序问题，这个拼接顺序要和你post上去的顺序要一致，才能通过。如果出现104的返回代码，说明是你的顺序问题，说明你的签名没有成功。
贴代码说明下： 使用字典循环，就可以知道正确的拼接顺序。 下面的代码是获取成交订单的。
def Trade_list(self, coin):
'''
Trade_list（挂单查询）
您指定时间后的挂单，可以根据类型查询，比如查看正在挂单和全部挂单
Path：/api/v1/trade_list/
Request类型：POST
参数
key - API key
signature - signature
nonce - nonce
since - unix timestamp(utc timezone) default == 0, i.e. 返回所有
coin - 币种简称,例如btc、ltc、xas
type - 挂单类型[open:正在挂单, all:所有挂单]
返回JSON dictionary
id - 挂单ID
datetime - date and time
type - "buy" or "sell"
price - price
amount_original - 下单时数量
amount_outstanding - 当前剩余数量
'''
url = self.host + '/api/v1/trade_list/'
time.sleep(random.random())
nonce = self.get_nonce_time()
types = 'all'
since = 0
parameters = {'key': self.public_key, 'nonce': str(nonce), 'type': types, 'coin': coin, 'signature': ''}
# print parameters
post_data = ''
for k, v in parameters.items():
if not isinstance(v, str):
#if type(v) is not types.StringType:
v = str(v)
post_data = post_data + k
post_data = post_data + '=' + v + '&'
#print 'post-data:\n',post_data
post_data = post_data[:-1]
post_data = post_data.replace('&signature=', '')
#print post_data
signature = hmac.new(self.md5, post_data, digestmod=hashlib.sha256).digest()
sig = self.toHex(signature)
parameters['signature'] = sig
#print parameters
r = requests.post(url=url, data=parameters)
s = r.json()
#print s
return s
如果还是没有解决的话就网站内私信我看看问题所在。
******************************************* 原文内容 ***************************************************
官方有API的文档，可是这个文档就像一个草稿一样，两个基本例子都没有。 所以自己摸索一下，自己写一个现成的例子给大家，可以有个参考。 下面的例子亲测成功。
首先看一下官方的API文档：
一、API使用说明
1、请求过程说明
1.1 构造请求数据，用户数据按照Jubi提供的接口规则，通过程序生成签名和要传输给Jubi的数据集合；
1.2 发送请求数据，把构造完成的数据集合通过POST/GET提交的方式传递给Jubi；
1.3 Jubi对请求数据进行处理，服务器在接收到请求后，会首先进行安全校验，验证通过后便会处理该次发送过来的请求；
1.4 返回响应结果数据，Jubi把响应结果以JSON的格式反馈给用户，具体的响应格式，错误代码参见接口部分；
1.5 对获取的返回结果数据进行处理；
2、安全认证
所有的private API都需要经过认证
Api的申请可以到财务中心 -> API，申请得到私钥和公钥，私钥Jubi将不做储存，一旦丢失将无法找回
注意:请勿向任何人泄露这两个参数，这像您的密码一样重要
2.签名机制
每次请求private api 都需要验证签名，发送的参数示例：
$param = array(
amount => 1,
price => 10000,
type => 'buy',
nonce => 141377098123
key => 5zi7w-4mnes-swmc4-egg9b-f2iqw-396z4-g541b
signature => 459c69d25c496765191582d9611028b9974830e9dfafd762854669809290ed82
);
nonce 可以理解为一个递增的整数：http://zh.wikipedia.org/wiki/Nonce
key 是申请到的公钥
signature是签名，是将amount price type nonce key等参数通过'&'字符连接起来通过md5(私钥)为key进行sha256算法加密得到的值.
首先聚币的行情是使用网络爬虫获取的，而说明中给出了一系列的参数，你需要做的就是把这些参数填充上去。
如果你只是想要获取行情，那么事情容易很多。
def real_time_ticker(coin):
url = 'https://www.jubi.com/api/v1/ticker/'
try:
data = requests.post(url, data={'coin': coin}).json()
except Exception ,e:
print e
return data
上面代码展示的时候获取实时的行情。委一和买一的价格，数量，和当前成交的数量，价格。
按照上面的格式，把参数coin填上去，比如要获取泽塔币， real_time_ticker('zet') 就会返回获取的数据。
{u'sell': u'0.179000', u'volume': 21828245.102822, u'buy': u'0.175010', u'last': u'0.179000', u'vol': 108290769.9171, u'high': u'0.289000', u'low': u'0.119141'}所有的private API都需要经过认证, 就是说如果你要进行交易，委托，下单，你就需要使用私钥和公钥，并进行一系列的加密。
每次请求private api 都需要验证签名，发送的参数示例：
$param = array(
amount => 1,
price => 10000,
type => 'buy',
nonce => 141377098123
key => 5zi7w-4mnes-swmc4-egg9b-f2iqw-396z4-g541b
signature => 459c69d25c496765191582d9611028b9974830e9dfafd762854669809290ed82
);
nonce 可以理解为一个递增的整数：http://zh.wikipedia.org/wiki/Nonce
key 是申请到的公钥
signature是签名，是将amount price type nonce key等参数通过'&'字符连接起来通过md5(私钥)为key进行sha256算法加密得到的值.
比如下单：
Trade_add（下单）
Path：/api/v1/trade_add/
Request类型：POST
参数
key - API key
signature - signature
nonce - nonce
amount - 购买数量
price - 购买价格
type - 买单或者卖单
coin - 币种简称,例如btc、ltc、xas
id - 挂单ID
result - true(成功), false(失败)
{"result":true, "id":"11"}
返回JSON dictionary
id - 挂单ID
result - true(成功), false(失败)
返回结果示例：
{"result":true, "id":"11"}
首先解决nonce。
在维基百科中
在安全工程中，Nonce是一个在加密通信只能使用一次的数字。在认证协议中，它往往是一个随机或伪随机数，以避免重放攻击。Nonce也用于流密码以确保安全。如果需要使用相同的密钥加密一个以上的消息，就需要Nonce来确保不同的消息与该密钥加密的密钥流不同。
结合stackoverflow， nonce只是一个12位的随机数。
可以用以下方法获得这个随机数
def get_nonce(self):
lens=12
return ''.join([str(random.randint(0, 9)) for i in range(lens)])
聚币中的nonce的位数是12位，所以lens定义为12
或者可以直接用时间函数生成：
def get_nonce_time(self):
lens = 12
curr_stamp = time.time()*100
nonece=int(curr_stamp)
return nonece
然后是signature。
signature是签名，是将amount price type nonce key等参数通过'&'字符连接起来通过md5(私钥)为key进行sha256算法加密得到的值.
先把私钥进行md5处理
def getHash(self,s):
m=hashlib.md5()
m.update(s)
return m.hexdigest()
只要把私钥传入函数getHash就可以得到一个md5处理过的字符串。
私钥是聚币网给每个用户分配的字符串，是唯一的，这里假设为private_key=123456789吧，具体是多少，在你的聚币网设置里面可以找到。
sha_256key=self.getHash(private_key)
按照要求吧 你要post的数据字符串连起来
nonce=self.get_nonce_time
type='buy'
amount='10000'
key='xxxxxxxxxxx‘ #这个是聚币网给你的公钥，同样在设置里头可以找到
price='10' #你要设置的价格为10
coin='zet'
message = "amount=“+amount+”&nonce="+str(nonce)+"&type="+type+"&key="+key+'&price="+price+"&coin"+coin
signature = hmac.new(sha_256key, message, digestmod=hashlib.sha256).digest()
这样获得signature之后，就可以通过签名来进行post操作。
data_wrap={'nonce':nonce,'key':key_value,'signature':signature}
js=requests.post(url,data=data_wrap).json()
如果直接按照上面的代码去获取账户相关信息或者去挂单的话，会返回104的签名错误。 经过不断的排查，发现是signature的字符格式的问题。
构造一个str转换格式的函数：
def toHex(self,str):这个函数的作用就是把原来十六进制格式的字符完全转化成十六进制，把前面的0x去掉，不足2位的补全为2位。
lst =
for ch in str:
hv = hex(ord(ch)).replace('0x', '')
if len(hv) == 1:
hv = '0' + hv
lst.append(hv)
return reduce(lambda x, y: x + y, lst)
把经过处理的signature进行格式转换后，几次提交，终于发现可以获取到用户的账户信息，进行下单，撤单，等操作。
下面是一个获取账户信息的代码段：
def getAccount(self):
url='https://www.jubi.com/api/v1/balance/'
nonce_value=self.get_nonce_time()
print nonce_value
key_value=self.public_key
private_key=self.private_key
s='nonce='+str(nonce_value)+'&'+'key='+key_value
print s
#signature是签名，是将amount price type nonce key等参数通过'&'字符连接起来通过md5(私钥)为key进行sha256算法加密得到的值.
md5=self.getHash(private_key)
print md5
print type(md5)
msg=bytes(s).encode('utf-8')
key=bytes(md5).encode('utf-8')
signature =hmac.new(key,msg,digestmod=hashlib.sha256).digest()
print signature
print type(signature)
sig=self.toHex(signature)
print sig
data_wrap={'nonce':nonce_value,'key':key_value,'signature':sig}
print data_wrap
data_en=urllib.urlencode(data_wrap)
req=urllib2.Request(url,data=data_en)
resp=urllib2.urlopen(req).read()
print resp
def toHex(self,str):
lst =
for ch in str:
hv = hex(ord(ch)).replace('0x', '')
if len(hv) == 1:
hv = '0' + hv
lst.append(hv)
return reduce(lambda x, y: x + y, lst)
以上的代码运行后返回一下账户信息：
{"uid":123456,"nameauth":1,"moflag":1,"asset":,"btc_balance":0,"btc_lock":0,"drk_balance":0,"drk_lock":0,"blk_balance":0,"blk_lock":0,"vrc_balance":0,"vrc_lock":0,"tfc_balance":0,"tfc_lock":0,"jbc_balance":0,"jbc_lock":0,"ltc_balance":0,"ltc_lock":0,"doge_balance":0,"doge_lock":0,"xpm_balance":0,"xpm_lock":0,"ppc_balance":0,"ppc_lock":0,"wdc_balance":0,"wdc_lock":0,"vtc_balance":0,"vtc_lock":0,"max_balance":0,"max_lock":0,"ifc_balance":0,"ifc_lock":0,"zcc_balance":0,"zcc_lock":0,"zet_balance":0,"zet_lock":0,"eac_balance":0,"eac_lock":0,"fz_balance":0,"fz_lock":0,"skt_balance":0,"skt_lock":0,"plc_balance":0,"plc_lock":0,"mtc_balance":0,"mtc_lock":0,"qec_balance":0,"qec_lock":0,"lkc_balance":10,"lkc_lock":0,"met_balance":0,"met_lock":0,"ytc_balance":0,"ytc_lock":0,"hlb_balance":0,"hlb_lock":0,"game_balance":0,"game_lock":0,"rss_balance":0,"rss_lock":0,"rio_balance":0,"rio_lock":0,"ktc_balance":0,"ktc_lock":0,"pgc_balance":0,"pgc_lock":0,"mryc_balance":0,"mryc_lock":0,"eth_balance":0,"eth_lock":0,"etc_balance":0,"etc_lock":0,"dnc_balance":0,"dnc_lock":0,"gooc_balance":0,"gooc_lock":0,"xrp_balance":0,"xrp_lock":0,"nxt_balance":0,"nxt_lock":0,"lsk_balance":0,"lsk_lock":0,"xas_balance":0,"xas_lock":0,"peb_balance":0,"peb_lock":0,"nhgh_balance":0,"nhgh_lock":0,"xsgs_balance":0,"xsgs_lock":0,"ans_balance":0,"ans_lock":0,"bts_balance":0,"bts_lock":0,"cny_balance":0,"cny_lock":0}
聚币网个人邀请码：
514330
还没注册可以拿去用，对于我而言可以拿到你们交易费用的50%，不过一般交易费除非是超级大户，一般散户都很少。千分之一的交易手续费。
欢迎一起讨论：
Email：weigesysu@qq.com
原创内容，转载请注明出处
http://30daydo.com/article/181
python 计算当天指定某个时段的成交量
李魔佛 发表了文章 • 0 个评论 • 3442 次浏览 • 2017-05-08 23:32
计算当天指定某个时段的成交量
为什么需要这个功能？ 因为平时复盘的时候，会切换当天的分时图，一般喜欢切换成5分钟图，这样子就对每个时刻的成交量有比较直观的认识。比如今天（2017-05-08）的无锡银行。
很无耻是吧？ 我就像看看尾盘的20分钟内，主力动用了多少资金把股价从水下直接拉到涨停。 用程序处理，比用手工计算，要节省多时间了（前阵子的确是每笔粗略的相加）。
只要在main（）中修改股票代码和你要获取成交量的时间，就可以获取你想要的数据。 还有一个数据就是该成交量占当天成交量的比例。# -*-coding=utf-8-*-
__author__ = 'Rocky'
#计算某个股票的某个时间段的成交量
import tushare as ts
import pandas as pd
import datetime
pd.set_option('display.max_rows',None)
class amount_calculation():
def __init__(self,code):
self.df=ts.get_today_ticks(code)
#转换str为时间格式，便于下面用来比较时间的大小
self.df['time']=self.df['time'].map(lambda x:datetime.datetime.strptime(str(x),'%H:%M:%S'))
print '\n'
self.total= self.df['volume'].sum()
def calc(self,start,end):
s0=datetime.datetime.strptime(start,'%H:%M:%S')
e0=datetime.datetime.strptime(end,'%H:%M:%S')
new_df=self.df[(self.df['time']>=s0) & (self.df['time']<e0) ]
part=new_df['volume'].sum()
print part
rate=round(part*1.00/self.total*100,2)
print rate
return rate
def main():
obj=amount_calculation('600908')
#s1=obj.calc('09:24:00','10:30:00')
#s2=obj.calc('10:30:00','11:30:00')
#s3=obj.calc('13:00:00','14:00:00')
s4=obj.calc('14:35:00','15:05:00')
#print s1+s2+s3+s4
main()
运行上面代码，得到
114046
34.16
成交量为11.4万手,大概占当天成交量的34.16%， 半小时的时间。（1/8的时间，涨了1/3的成交量）
算出这个有什么用呢？
对于庄股，可以便于你计算出主力当天吸了多少货，或者出了多少货。 数据不会完全精确，但是能够知道交易的量级。 像上面的例子，大概就10w-12w手的样子。
更多文章
30天学会量化交易模型 Day01 查看全部
为什么需要这个功能？ 因为平时复盘的时候，会切换当天的分时图，一般喜欢切换成5分钟图，这样子就对每个时刻的成交量有比较直观的认识。比如今天（2017-05-08）的无锡银行。
很无耻是吧？ 我就像看看尾盘的20分钟内，主力动用了多少资金把股价从水下直接拉到涨停。 用程序处理，比用手工计算，要节省多时间了（前阵子的确是每笔粗略的相加）。
只要在main（）中修改股票代码和你要获取成交量的时间，就可以获取你想要的数据。 还有一个数据就是该成交量占当天成交量的比例。# -*-coding=utf-8-*-
__author__ = 'Rocky'
#计算某个股票的某个时间段的成交量
import tushare as ts
import pandas as pd
import datetime
pd.set_option('display.max_rows',None)
class amount_calculation():
def __init__(self,code):
self.df=ts.get_today_ticks(code)
#转换str为时间格式，便于下面用来比较时间的大小
self.df['time']=self.df['time'].map(lambda x:datetime.datetime.strptime(str(x),'%H:%M:%S'))
print '\n'
self.total= self.df['volume'].sum()
def calc(self,start,end):
s0=datetime.datetime.strptime(start,'%H:%M:%S')
e0=datetime.datetime.strptime(end,'%H:%M:%S')
new_df=self.df[(self.df['time']>=s0) & (self.df['time']<e0) ]
part=new_df['volume'].sum()
print part
rate=round(part*1.00/self.total*100,2)
print rate
return rate
def main():
obj=amount_calculation('600908')
#s1=obj.calc('09:24:00','10:30:00')
#s2=obj.calc('10:30:00','11:30:00')
#s3=obj.calc('13:00:00','14:00:00')
s4=obj.calc('14:35:00','15:05:00')
#print s1+s2+s3+s4
main()
运行上面代码，得到
114046
34.16
成交量为11.4万手,大概占当天成交量的34.16%， 半小时的时间。（1/8的时间，涨了1/3的成交量）
算出这个有什么用呢？
对于庄股，可以便于你计算出主力当天吸了多少货，或者出了多少货。 数据不会完全精确，但是能够知道交易的量级。 像上面的例子，大概就10w-12w手的样子。
更多文章
30天学会量化交易模型 Day01 查看全部
计算当天指定某个时段的成交量
为什么需要这个功能？ 因为平时复盘的时候，会切换当天的分时图，一般喜欢切换成5分钟图，这样子就对每个时刻的成交量有比较直观的认识。比如今天（2017-05-08）的无锡银行。
很无耻是吧？ 我就像看看尾盘的20分钟内，主力动用了多少资金把股价从水下直接拉到涨停。 用程序处理，比用手工计算，要节省多时间了（前阵子的确是每笔粗略的相加）。
只要在main（）中修改股票代码和你要获取成交量的时间，就可以获取你想要的数据。 还有一个数据就是该成交量占当天成交量的比例。
运行上面代码，得到
114046
34.16
成交量为11.4万手,大概占当天成交量的34.16%， 半小时的时间。（1/8的时间，涨了1/3的成交量）
算出这个有什么用呢？
对于庄股，可以便于你计算出主力当天吸了多少货，或者出了多少货。 数据不会完全精确，但是能够知道交易的量级。 像上面的例子，大概就10w-12w手的样子。
更多文章
30天学会量化交易模型 Day01
为什么需要这个功能？ 因为平时复盘的时候，会切换当天的分时图，一般喜欢切换成5分钟图，这样子就对每个时刻的成交量有比较直观的认识。比如今天（2017-05-08）的无锡银行。
很无耻是吧？ 我就像看看尾盘的20分钟内，主力动用了多少资金把股价从水下直接拉到涨停。 用程序处理，比用手工计算，要节省多时间了（前阵子的确是每笔粗略的相加）。
只要在main（）中修改股票代码和你要获取成交量的时间，就可以获取你想要的数据。 还有一个数据就是该成交量占当天成交量的比例。
# -*-coding=utf-8-*-
__author__ = 'Rocky'
#计算某个股票的某个时间段的成交量
import tushare as ts
import pandas as pd
import datetime
pd.set_option('display.max_rows',None)
class amount_calculation():
def __init__(self,code):
self.df=ts.get_today_ticks(code)
#转换str为时间格式，便于下面用来比较时间的大小
self.df['time']=self.df['time'].map(lambda x:datetime.datetime.strptime(str(x),'%H:%M:%S'))
print '\n'
self.total= self.df['volume'].sum()
def calc(self,start,end):
s0=datetime.datetime.strptime(start,'%H:%M:%S')
e0=datetime.datetime.strptime(end,'%H:%M:%S')
new_df=self.df[(self.df['time']>=s0) & (self.df['time']<e0) ]
part=new_df['volume'].sum()
print part
rate=round(part*1.00/self.total*100,2)
print rate
return rate
def main():
obj=amount_calculation('600908')
#s1=obj.calc('09:24:00','10:30:00')
#s2=obj.calc('10:30:00','11:30:00')
#s3=obj.calc('13:00:00','14:00:00')
s4=obj.calc('14:35:00','15:05:00')
#print s1+s2+s3+s4
main()
运行上面代码，得到
114046
34.16
成交量为11.4万手,大概占当天成交量的34.16%， 半小时的时间。（1/8的时间，涨了1/3的成交量）
算出这个有什么用呢？
对于庄股，可以便于你计算出主力当天吸了多少货，或者出了多少货。 数据不会完全精确，但是能够知道交易的量级。 像上面的例子，大概就10w-12w手的样子。
更多文章
30天学会量化交易模型 Day01
ts.get_stock_basics() to_excel("base.xls") 保存dataframe 编码错误
李魔佛 发表了文章 • 0 个评论 • 2624 次浏览 • 2017-04-21 18:36
基本代码片：
base=ts.get_stock_basics()
base.to_csv('2.xls')
出现的错误：
UnicodeDecodeError: 'ascii' codec can't decode byte 0xe6 in position 1: ordinal not in range(128)
然后替换几种编码方式：
base.to_excel('base.xls',encoding='GBK')
base.to_excel('111.xls',encoding='utf8')
base.to_excel('111.xls‘)
不过问题还在。
而保存为csv文件却没有这个编码问题：
base.to_csv('base.csv)
于是采取了迂回战术， 先把数据保存为csv， 然后读取这个文件，然后 再保存为exel文件。
居然给我弄成功了！！
查看全部
基本代码片：
base=ts.get_stock_basics()
base.to_csv('2.xls')
出现的错误：
UnicodeDecodeError: 'ascii' codec can't decode byte 0xe6 in position 1: ordinal not in range(128)
然后替换几种编码方式：
base.to_excel('base.xls',encoding='GBK')
base.to_excel('111.xls',encoding='utf8')
base.to_excel('111.xls‘)不过问题还在。
而保存为csv文件却没有这个编码问题：
base.to_csv('base.csv)
于是采取了迂回战术， 先把数据保存为csv， 然后读取这个文件，然后 再保存为exel文件。
居然给我弄成功了！！
JoinQuant 遇到的问题总结 －－定期更新
李魔佛 发表了文章 • 0 个评论 • 1482 次浏览 • 2017-04-20 23:51
1. 一些涨停一字板的个股或者新股，你是无法买入的。 经过测试，会发现没有买入任何的个股。
1. 一些涨停一字板的个股或者新股，你是无法买入的。 经过测试，会发现没有买入任何的个股。
pandas dataframe 读取csv文件 数据类型转化 字符变成了数字
李魔佛 发表了文章 • 0 个评论 • 30079 次浏览 • 2017-04-17 22:43
因为csv中包含了大量的股票代码，如果是002开头的股票，比如002111， 使用pd.read_csv('text.csv') 则会让所有的002xxx，变成了2xxx，前面2个0不见了，当然你可以收工操作，填充那2个0。 不过对于pandas大法，何须这么麻烦？
直接在参数一栏设置一下即可：
df＝pd.read_csv('text.csv', dtype={'code':str}
这样，把你要转换的列的名字设定好， “code”列中的数据读取为str
这样，读取到的数据就是按照我们的要求的了。 查看全部
直接在参数一栏设置一下即可：
df＝pd.read_csv('text.csv', dtype={'code':str}
这样，把你要转换的列的名字设定好， “code”列中的数据读取为str
这样，读取到的数据就是按照我们的要求的了。 查看全部
因为csv中包含了大量的股票代码，如果是002开头的股票，比如002111， 使用pd.read_csv('text.csv') 则会让所有的002xxx，变成了2xxx，前面2个0不见了，当然你可以收工操作，填充那2个0。 不过对于pandas大法，何须这么麻烦？
直接在参数一栏设置一下即可：
df＝pd.read_csv('text.csv', dtype={'code':str}
这样，把你要转换的列的名字设定好， “code”列中的数据读取为str
这样，读取到的数据就是按照我们的要求的了。
直接在参数一栏设置一下即可：
df＝pd.read_csv('text.csv', dtype={'code':str}
这样，把你要转换的列的名字设定好， “code”列中的数据读取为str
这样，读取到的数据就是按照我们的要求的了。
tushare 中的ts.get_stock_basics() 函数总是超时 返回不到结果的原因
李魔佛 发表了文章 • 0 个评论 • 10859 次浏览 • 2017-04-17 18:30
调用的方法：import tushare as ts
ts.get_stock_basics()
不过经常会出现： self.base=ts.get_stock_basics()
File "C:\Python27\lib\site-packages\tushare\stock\fundamental.py", line 44, in get_stock_basics
text = urlopen(request, timeout=10).read()
File "C:\Python27\lib\socket.py", line 351, in read
data = self._sock.recv(rbufsize)
File "C:\Python27\lib\httplib.py", line 567, in read
s = self.fp.read(amt)
File "C:\Python27\lib\socket.py", line 380, in read
data = self._sock.recv(left)
socket.timeout: timed out这样的问题。
这个是因为tushare的作者把get_stock_basics()的信息文件保存在他自己的服务器。
这一点可以翻看源码就知道。 地址为： http://218.244.146.57/static/all.csv
估计作者用的一般的服务器，所以一旦数据请求多了，你的IP也被服务器当做是DDOS攻击，屏蔽掉你的请求了。
所以如果你平时需要频繁调用这个函数，不如把这个文件下载到本地，然后使用函数 df=pd.read_csv('all.csv')
来得到你想要数据，这样一来，程序不会因为经常超时而中断，而且本地读取文件的数据很快。 这样会节约不少的时间。
在最新的tushare这个问题得到了解决。已经换一个数据源了。
PS：好多小问题都可以通过更新最新的tushare版本来得到解决。
升级命令：pip install tushare --upgrade
查看全部
ts.get_stock_basics()
不过经常会出现： self.base=ts.get_stock_basics()
File "C:\Python27\lib\site-packages\tushare\stock\fundamental.py", line 44, in get_stock_basics
text = urlopen(request, timeout=10).read()
File "C:\Python27\lib\socket.py", line 351, in read
data = self._sock.recv(rbufsize)
File "C:\Python27\lib\httplib.py", line 567, in read
s = self.fp.read(amt)
File "C:\Python27\lib\socket.py", line 380, in read
data = self._sock.recv(left)
socket.timeout: timed out这样的问题。
这个是因为tushare的作者把get_stock_basics()的信息文件保存在他自己的服务器。
这一点可以翻看源码就知道。 地址为： http://218.244.146.57/static/all.csv
估计作者用的一般的服务器，所以一旦数据请求多了，你的IP也被服务器当做是DDOS攻击，屏蔽掉你的请求了。
所以如果你平时需要频繁调用这个函数，不如把这个文件下载到本地，然后使用函数 df=pd.read_csv('all.csv')
来得到你想要数据，这样一来，程序不会因为经常超时而中断，而且本地读取文件的数据很快。 这样会节约不少的时间。
在最新的tushare这个问题得到了解决。已经换一个数据源了。
PS：好多小问题都可以通过更新最新的tushare版本来得到解决。
升级命令：pip install tushare --upgrade
查看全部
调用的方法：
不过经常会出现：
这个是因为tushare的作者把get_stock_basics()的信息文件保存在他自己的服务器。
这一点可以翻看源码就知道。 地址为： http://218.244.146.57/static/all.csv
估计作者用的一般的服务器，所以一旦数据请求多了，你的IP也被服务器当做是DDOS攻击，屏蔽掉你的请求了。
所以如果你平时需要频繁调用这个函数，不如把这个文件下载到本地，然后使用函数 df=pd.read_csv('all.csv')
来得到你想要数据，这样一来，程序不会因为经常超时而中断，而且本地读取文件的数据很快。 这样会节约不少的时间。
在最新的tushare这个问题得到了解决。已经换一个数据源了。
PS：好多小问题都可以通过更新最新的tushare版本来得到解决。
升级命令：
import tushare as ts
ts.get_stock_basics()
不过经常会出现：
self.base=ts.get_stock_basics()这样的问题。
File "C:\Python27\lib\site-packages\tushare\stock\fundamental.py", line 44, in get_stock_basics
text = urlopen(request, timeout=10).read()
File "C:\Python27\lib\socket.py", line 351, in read
data = self._sock.recv(rbufsize)
File "C:\Python27\lib\httplib.py", line 567, in read
s = self.fp.read(amt)
File "C:\Python27\lib\socket.py", line 380, in read
data = self._sock.recv(left)
socket.timeout: timed out
这个是因为tushare的作者把get_stock_basics()的信息文件保存在他自己的服务器。
这一点可以翻看源码就知道。 地址为： http://218.244.146.57/static/all.csv
估计作者用的一般的服务器，所以一旦数据请求多了，你的IP也被服务器当做是DDOS攻击，屏蔽掉你的请求了。
所以如果你平时需要频繁调用这个函数，不如把这个文件下载到本地，然后使用函数 df=pd.read_csv('all.csv')
来得到你想要数据，这样一来，程序不会因为经常超时而中断，而且本地读取文件的数据很快。 这样会节约不少的时间。
在最新的tushare这个问题得到了解决。已经换一个数据源了。
PS：好多小问题都可以通过更新最新的tushare版本来得到解决。
升级命令：
pip install tushare --upgrade
中国各个省份／直辖市拥有的上市公司数目 附python代码
李魔佛 发表了文章 • 0 个评论 • 2942 次浏览 • 2017-04-16 02:25
一个省份地区的上市公司的数目，可以很直接地反应这个地区的发达程度。
下面通过代码来统计这个数据， 其实很简单，用python只需几行代码就能够实现
def count_area():
base=ts.get_stock_basics()
count=base['area'].value_counts()
＃这一句的意思，就是获取所有股票的上市地区的数据，然后计算出现的次数
print count
print type(count)
得出的是以下的数据：
浙江 360
江苏 337
北京 289
广东 267
上海 251
深圳 242
山东 176
福建 116
四川 110
安徽 98
湖北 95
湖南 91
河南 76
辽宁 75
河北 54
新疆 50
天津 46
陕西 46
重庆 45
吉林 42
山西 38
江西 37
广西 36
黑龙江 35
云南 32
甘肃 31
海南 29
内蒙 25
贵州 23
西藏 14
宁夏 12
青海 11
从数据来看，数量最多的是江浙一带（因为深圳从广东省的数据中分离出去了）。
这个也从正面反映每个地方的经济繁荣程度。 查看全部
下面通过代码来统计这个数据， 其实很简单，用python只需几行代码就能够实现
def count_area():
base=ts.get_stock_basics()
count=base['area'].value_counts()
＃这一句的意思，就是获取所有股票的上市地区的数据，然后计算出现的次数
print count
print type(count)
得出的是以下的数据：
浙江 360
江苏 337
北京 289
广东 267
上海 251
深圳 242
山东 176
福建 116
四川 110
安徽 98
湖北 95
湖南 91
河南 76
辽宁 75
河北 54
新疆 50
天津 46
陕西 46
重庆 45
吉林 42
山西 38
江西 37
广西 36
黑龙江 35
云南 32
甘肃 31
海南 29
内蒙 25
贵州 23
西藏 14
宁夏 12
青海 11
从数据来看，数量最多的是江浙一带（因为深圳从广东省的数据中分离出去了）。
这个也从正面反映每个地方的经济繁荣程度。 查看全部
一个省份地区的上市公司的数目，可以很直接地反应这个地区的发达程度。
下面通过代码来统计这个数据， 其实很简单，用python只需几行代码就能够实现
得出的是以下的数据：
浙江 360
江苏 337
北京 289
广东 267
上海 251
深圳 242
山东 176
福建 116
四川 110
安徽 98
湖北 95
湖南 91
河南 76
辽宁 75
河北 54
新疆 50
天津 46
陕西 46
重庆 45
吉林 42
山西 38
江西 37
广西 36
黑龙江 35
云南 32
甘肃 31
海南 29
内蒙 25
贵州 23
西藏 14
宁夏 12
青海 11
从数据来看，数量最多的是江浙一带（因为深圳从广东省的数据中分离出去了）。
这个也从正面反映每个地方的经济繁荣程度。
下面通过代码来统计这个数据， 其实很简单，用python只需几行代码就能够实现
def count_area():
base=ts.get_stock_basics()
count=base['area'].value_counts()
＃这一句的意思，就是获取所有股票的上市地区的数据，然后计算出现的次数
print count
print type(count)
得出的是以下的数据：
浙江 360
江苏 337
北京 289
广东 267
上海 251
深圳 242
山东 176
福建 116
四川 110
安徽 98
湖北 95
湖南 91
河南 76
辽宁 75
河北 54
新疆 50
天津 46
陕西 46
重庆 45
吉林 42
山西 38
江西 37
广西 36
黑龙江 35
云南 32
甘肃 31
海南 29
内蒙 25
贵州 23
西藏 14
宁夏 12
青海 11
从数据来看，数量最多的是江浙一带（因为深圳从广东省的数据中分离出去了）。
这个也从正面反映每个地方的经济繁荣程度。
mac os x python安装matplotlib 库 出错： Operation not permitted
低调的哥哥 发表了文章 • 0 个评论 • 5894 次浏览 • 2017-04-15 23:19
使用pip安装： sudo pip install matplotlibPassword:
The directory '/Users/rocky/Library/Caches/pip/http' or its parent directory is not owned by the current user and the cache has been disabled. Please check the permissions and owner of that directory. If executing pip with sudo, you may want sudo's -H flag.
The directory '/Users/rocky/Library/Caches/pip' or its parent directory is not owned by the current user and caching wheels has been disabled. check the permissions and owner of that directory. If executing pip with sudo, you may want sudo's -H flag.
Requirement already satisfied: matplotlib in /System/Library/Frameworks/Python.framework/Versions/2.7/Extras/lib/python
Requirement already satisfied: numpy>=1.5 in /System/Library/Frameworks/Python.framework/Versions/2.7/Extras/lib/python (from matplotlib)
Requirement already satisfied: python-dateutil in /System/Library/Frameworks/Python.framework/Versions/2.7/Extras/lib/python (from matplotlib)
Collecting tornado (from matplotlib)
Downloading tornado-4.4.3.tar.gz (463kB)
100% |████████████████████████████████| 471kB 84kB/s
Requirement already satisfied: pyparsing>=1.5.6 in /System/Library/Frameworks/Python.framework/Versions/2.7/Extras/lib/python (from matplotlib)
Collecting nose (from matplotlib)
Downloading nose-1.3.7-py2-none-any.whl (154kB)
100% |████████████████████████████████| 163kB 75kB/s
Collecting singledispatch (from tornado->matplotlib)
Downloading singledispatch-3.4.0.3-py2.py3-none-any.whl
Collecting certifi (from tornado->matplotlib)
Downloading certifi-2017.1.23-py2.py3-none-any.whl (382kB)
100% |████████████████████████████████| 389kB 105kB/s
Collecting backports_abc>=0.4 (from tornado->matplotlib)
Downloading backports_abc-0.5-py2.py3-none-any.whl
Requirement already satisfied: six in /System/Library/Frameworks/Python.framework/Versions/2.7/Extras/lib/python (from singledispatch->tornado->matplotlib)
Installing collected packages: singledispatch, certifi, backports-abc, tornado, nose
Running setup.py install for tornado ... done
Exception:
Traceback (most recent call last):
File "/Library/Python/2.7/site-packages/pip/basecommand.py", line 215, in main
status = self.run(options, args)
File "/Library/Python/2.7/site-packages/pip/commands/install.py", line 342, in run
prefix=options.prefix_path,
File "/Library/Python/2.7/site-packages/pip/req/req_set.py", line 784, in install
**kwargs
File "/Library/Python/2.7/site-packages/pip/req/req_install.py", line 851, in install
self.move_wheel_files(self.source_dir, root=root, prefix=prefix)
File "/Library/Python/2.7/site-packages/pip/req/req_install.py", line 1064, in move_wheel_files
isolated=self.isolated,
File "/Library/Python/2.7/site-packages/pip/wheel.py", line 377, in move_wheel_files
clobber(source, dest, False, fixer=fixer, filter=filter)
File "/Library/Python/2.7/site-packages/pip/wheel.py", line 316, in clobber
ensure_dir(destdir)
File "/Library/Python/2.7/site-packages/pip/utils/__init__.py", line 83, in ensure_dir
os.makedirs(path)
File "/System/Library/Frameworks/Python.framework/Versions/2.7/lib/python2.7/os.py", line 150, in makedirs
makedirs(head, mode)
File "/System/Library/Frameworks/Python.framework/Versions/2.7/lib/python2.7/os.py", line 157, in makedirs
mkdir(name, mode)
OSError: [Errno 1] Operation not permitted: '/System/Library/Frameworks/Python.framework/Versions/2.7/man'
分析了原因后，以为权限不够，所以就把这个目录：
/Users/rocky/Library/Caches/pip/
做了提权： sudo /Users/rocky/Library/Caches/pip/
然后重新运行sudo pip install matplotlib
然后没有上面提示的错误。 然后在主程序中继续运行，结果还是出现：matplotlib模块没找到。
删除后重装，问题依然存在。
于是尝试用easy_install 安装， sudo easy_install matplotlib
等待了大概10多分钟，居然安装成功了。 因为下载的服务器比较慢，所以等待的时间就有点长了。
查看全部
The directory '/Users/rocky/Library/Caches/pip/http' or its parent directory is not owned by the current user and the cache has been disabled. Please check the permissions and owner of that directory. If executing pip with sudo, you may want sudo's -H flag.
The directory '/Users/rocky/Library/Caches/pip' or its parent directory is not owned by the current user and caching wheels has been disabled. check the permissions and owner of that directory. If executing pip with sudo, you may want sudo's -H flag.
Requirement already satisfied: matplotlib in /System/Library/Frameworks/Python.framework/Versions/2.7/Extras/lib/python
Requirement already satisfied: numpy>=1.5 in /System/Library/Frameworks/Python.framework/Versions/2.7/Extras/lib/python (from matplotlib)
Requirement already satisfied: python-dateutil in /System/Library/Frameworks/Python.framework/Versions/2.7/Extras/lib/python (from matplotlib)
Collecting tornado (from matplotlib)
Downloading tornado-4.4.3.tar.gz (463kB)
100% |████████████████████████████████| 471kB 84kB/s
Requirement already satisfied: pyparsing>=1.5.6 in /System/Library/Frameworks/Python.framework/Versions/2.7/Extras/lib/python (from matplotlib)
Collecting nose (from matplotlib)
Downloading nose-1.3.7-py2-none-any.whl (154kB)
100% |████████████████████████████████| 163kB 75kB/s
Collecting singledispatch (from tornado->matplotlib)
Downloading singledispatch-3.4.0.3-py2.py3-none-any.whl
Collecting certifi (from tornado->matplotlib)
Downloading certifi-2017.1.23-py2.py3-none-any.whl (382kB)
100% |████████████████████████████████| 389kB 105kB/s
Collecting backports_abc>=0.4 (from tornado->matplotlib)
Downloading backports_abc-0.5-py2.py3-none-any.whl
Requirement already satisfied: six in /System/Library/Frameworks/Python.framework/Versions/2.7/Extras/lib/python (from singledispatch->tornado->matplotlib)
Installing collected packages: singledispatch, certifi, backports-abc, tornado, nose
Running setup.py install for tornado ... done
Exception:
Traceback (most recent call last):
File "/Library/Python/2.7/site-packages/pip/basecommand.py", line 215, in main
status = self.run(options, args)
File "/Library/Python/2.7/site-packages/pip/commands/install.py", line 342, in run
prefix=options.prefix_path,
File "/Library/Python/2.7/site-packages/pip/req/req_set.py", line 784, in install
**kwargs
File "/Library/Python/2.7/site-packages/pip/req/req_install.py", line 851, in install
self.move_wheel_files(self.source_dir, root=root, prefix=prefix)
File "/Library/Python/2.7/site-packages/pip/req/req_install.py", line 1064, in move_wheel_files
isolated=self.isolated,
File "/Library/Python/2.7/site-packages/pip/wheel.py", line 377, in move_wheel_files
clobber(source, dest, False, fixer=fixer, filter=filter)
File "/Library/Python/2.7/site-packages/pip/wheel.py", line 316, in clobber
ensure_dir(destdir)
File "/Library/Python/2.7/site-packages/pip/utils/__init__.py", line 83, in ensure_dir
os.makedirs(path)
File "/System/Library/Frameworks/Python.framework/Versions/2.7/lib/python2.7/os.py", line 150, in makedirs
makedirs(head, mode)
File "/System/Library/Frameworks/Python.framework/Versions/2.7/lib/python2.7/os.py", line 157, in makedirs
mkdir(name, mode)
OSError: [Errno 1] Operation not permitted: '/System/Library/Frameworks/Python.framework/Versions/2.7/man'
分析了原因后，以为权限不够，所以就把这个目录：
/Users/rocky/Library/Caches/pip/
做了提权： sudo /Users/rocky/Library/Caches/pip/
然后重新运行sudo pip install matplotlib
然后没有上面提示的错误。 然后在主程序中继续运行，结果还是出现：matplotlib模块没找到。
删除后重装，问题依然存在。
于是尝试用easy_install 安装， sudo easy_install matplotlib
等待了大概10多分钟，居然安装成功了。 因为下载的服务器比较慢，所以等待的时间就有点长了。
查看全部
使用pip安装： sudo pip install matplotlib
分析了原因后，以为权限不够，所以就把这个目录：
/Users/rocky/Library/Caches/pip/
做了提权： sudo /Users/rocky/Library/Caches/pip/
然后重新运行sudo pip install matplotlib
然后没有上面提示的错误。 然后在主程序中继续运行，结果还是出现：matplotlib模块没找到。
删除后重装，问题依然存在。
于是尝试用easy_install 安装， sudo easy_install matplotlib
等待了大概10多分钟，居然安装成功了。 因为下载的服务器比较慢，所以等待的时间就有点长了。
Password:
The directory '/Users/rocky/Library/Caches/pip/http' or its parent directory is not owned by the current user and the cache has been disabled. Please check the permissions and owner of that directory. If executing pip with sudo, you may want sudo's -H flag.
The directory '/Users/rocky/Library/Caches/pip' or its parent directory is not owned by the current user and caching wheels has been disabled. check the permissions and owner of that directory. If executing pip with sudo, you may want sudo's -H flag.
Requirement already satisfied: matplotlib in /System/Library/Frameworks/Python.framework/Versions/2.7/Extras/lib/python
Requirement already satisfied: numpy>=1.5 in /System/Library/Frameworks/Python.framework/Versions/2.7/Extras/lib/python (from matplotlib)
Requirement already satisfied: python-dateutil in /System/Library/Frameworks/Python.framework/Versions/2.7/Extras/lib/python (from matplotlib)
Collecting tornado (from matplotlib)
Downloading tornado-4.4.3.tar.gz (463kB)
100% |████████████████████████████████| 471kB 84kB/s
Requirement already satisfied: pyparsing>=1.5.6 in /System/Library/Frameworks/Python.framework/Versions/2.7/Extras/lib/python (from matplotlib)
Collecting nose (from matplotlib)
Downloading nose-1.3.7-py2-none-any.whl (154kB)
100% |████████████████████████████████| 163kB 75kB/s
Collecting singledispatch (from tornado->matplotlib)
Downloading singledispatch-3.4.0.3-py2.py3-none-any.whl
Collecting certifi (from tornado->matplotlib)
Downloading certifi-2017.1.23-py2.py3-none-any.whl (382kB)
100% |████████████████████████████████| 389kB 105kB/s
Collecting backports_abc>=0.4 (from tornado->matplotlib)
Downloading backports_abc-0.5-py2.py3-none-any.whl
Requirement already satisfied: six in /System/Library/Frameworks/Python.framework/Versions/2.7/Extras/lib/python (from singledispatch->tornado->matplotlib)
Installing collected packages: singledispatch, certifi, backports-abc, tornado, nose
Running setup.py install for tornado ... done
Exception:
Traceback (most recent call last):
File "/Library/Python/2.7/site-packages/pip/basecommand.py", line 215, in main
status = self.run(options, args)
File "/Library/Python/2.7/site-packages/pip/commands/install.py", line 342, in run
prefix=options.prefix_path,
File "/Library/Python/2.7/site-packages/pip/req/req_set.py", line 784, in install
**kwargs
File "/Library/Python/2.7/site-packages/pip/req/req_install.py", line 851, in install
self.move_wheel_files(self.source_dir, root=root, prefix=prefix)
File "/Library/Python/2.7/site-packages/pip/req/req_install.py", line 1064, in move_wheel_files
isolated=self.isolated,
File "/Library/Python/2.7/site-packages/pip/wheel.py", line 377, in move_wheel_files
clobber(source, dest, False, fixer=fixer, filter=filter)
File "/Library/Python/2.7/site-packages/pip/wheel.py", line 316, in clobber
ensure_dir(destdir)
File "/Library/Python/2.7/site-packages/pip/utils/__init__.py", line 83, in ensure_dir
os.makedirs(path)
File "/System/Library/Frameworks/Python.framework/Versions/2.7/lib/python2.7/os.py", line 150, in makedirs
makedirs(head, mode)
File "/System/Library/Frameworks/Python.framework/Versions/2.7/lib/python2.7/os.py", line 157, in makedirs
mkdir(name, mode)
OSError: [Errno 1] Operation not permitted: '/System/Library/Frameworks/Python.framework/Versions/2.7/man'
分析了原因后，以为权限不够，所以就把这个目录：
/Users/rocky/Library/Caches/pip/
做了提权： sudo /Users/rocky/Library/Caches/pip/
然后重新运行sudo pip install matplotlib
然后没有上面提示的错误。 然后在主程序中继续运行，结果还是出现：matplotlib模块没找到。
删除后重装，问题依然存在。
于是尝试用easy_install 安装， sudo easy_install matplotlib
等待了大概10多分钟，居然安装成功了。 因为下载的服务器比较慢，所以等待的时间就有点长了。
sqlite 删除数据库中重复的行
李魔佛 发表了文章 • 0 个评论 • 1502 次浏览 • 2017-03-21 18:34
经常在爬取网络的信息后，会发现有重复的行。 如何使用sqlite删除那些重复的行?
本人SQL连入门都算不上，只能用到就去查相关的函数。
经过2个小时的不懈尝试，终于结合网上各种版本的删除数据重复行（网上太多坑呀 )
写出满足自己需求的sql语句
cmd='delete from STRATEGY where rowid not in (select max(rowid) from STRATEGY group by 代码);'
就是上面的这一句语句。
下面来简单说明一下，如果是DBA大牛请忽略。
首先表名字是STRATEGY，里面记录了一些股票，买入的原因，买入时间，股票名字和代码，当前股票的价格。当前的盈亏状态。
如果一天爬取同样的数据几次，机会自动追加到db数据中。 会造成大量的重复数据。
首先从后面往前递推
select max(rowid) from STRATEGY group by 代码
这个语句 选择出来一些rowid， rowid是你创建数据库的时候默认就生产了，因为我在前面生成这个数据库的时候没有设置ID，或者index。 suo所以数据库默认用的是rowid，类似于行号。从第一行开始 rowid=1
上面就是 STRATEGY按照“代码”列进行排序， 因为有相同的，max（rowid）
查看全部
本人SQL连入门都算不上，只能用到就去查相关的函数。
经过2个小时的不懈尝试，终于结合网上各种版本的删除数据重复行（网上太多坑呀 )
写出满足自己需求的sql语句
cmd='delete from STRATEGY where rowid not in (select max(rowid) from STRATEGY group by 代码);'
就是上面的这一句语句。
下面来简单说明一下，如果是DBA大牛请忽略。
首先表名字是STRATEGY，里面记录了一些股票，买入的原因，买入时间，股票名字和代码，当前股票的价格。当前的盈亏状态。
如果一天爬取同样的数据几次，机会自动追加到db数据中。 会造成大量的重复数据。
首先从后面往前递推
select max(rowid) from STRATEGY group by 代码
这个语句 选择出来一些rowid， rowid是你创建数据库的时候默认就生产了，因为我在前面生成这个数据库的时候没有设置ID，或者index。 suo所以数据库默认用的是rowid，类似于行号。从第一行开始 rowid=1
上面就是 STRATEGY按照“代码”列进行排序， 因为有相同的，max（rowid）
查看全部
经常在爬取网络的信息后，会发现有重复的行。 如何使用sqlite删除那些重复的行?
本人SQL连入门都算不上，只能用到就去查相关的函数。
经过2个小时的不懈尝试，终于结合网上各种版本的删除数据重复行（网上太多坑呀 )
写出满足自己需求的sql语句
cmd='delete from STRATEGY where rowid not in (select max(rowid) from STRATEGY group by 代码);'
就是上面的这一句语句。
下面来简单说明一下，如果是DBA大牛请忽略。
首先表名字是STRATEGY，里面记录了一些股票，买入的原因，买入时间，股票名字和代码，当前股票的价格。当前的盈亏状态。
如果一天爬取同样的数据几次，机会自动追加到db数据中。 会造成大量的重复数据。
首先从后面往前递推
select max(rowid) from STRATEGY group by 代码
这个语句 选择出来一些rowid， rowid是你创建数据库的时候默认就生产了，因为我在前面生成这个数据库的时候没有设置ID，或者index。 suo所以数据库默认用的是rowid，类似于行号。从第一行开始 rowid=1
上面就是 STRATEGY按照“代码”列进行排序， 因为有相同的，max（rowid）
本人SQL连入门都算不上，只能用到就去查相关的函数。
经过2个小时的不懈尝试，终于结合网上各种版本的删除数据重复行（网上太多坑呀 )
写出满足自己需求的sql语句
cmd='delete from STRATEGY where rowid not in (select max(rowid) from STRATEGY group by 代码);'
就是上面的这一句语句。
下面来简单说明一下，如果是DBA大牛请忽略。
首先表名字是STRATEGY，里面记录了一些股票，买入的原因，买入时间，股票名字和代码，当前股票的价格。当前的盈亏状态。
如果一天爬取同样的数据几次，机会自动追加到db数据中。 会造成大量的重复数据。
首先从后面往前递推
select max(rowid) from STRATEGY group by 代码
这个语句 选择出来一些rowid， rowid是你创建数据库的时候默认就生产了，因为我在前面生成这个数据库的时候没有设置ID，或者index。 suo所以数据库默认用的是rowid，类似于行号。从第一行开始 rowid=1
上面就是 STRATEGY按照“代码”列进行排序， 因为有相同的，max（rowid）
《利用python进行数据分析》 学习笔记
李魔佛 发表了文章 • 0 个评论 • 2427 次浏览 • 2017-01-09 00:31
Series
pandas的数组是没有逗号的 ['a' 'b' 'c' 'd' 'e']
r=Series([1,3,5,7,9],index=['A','B','C','D','E'])
print r
print r.index
r.reindex(['B','C''D','E','A'])
重新按照index进行排序
print r[['A','D']] #需要用两个中括号 才能正确地引用你说需要的值
字典操作：
print ‘A' in r
返回的是True或者False
可以用字典直接生成 Series
dict={"Username":"Rocky","Sex":"Male","Country":"China","Langauge":"Chinese"}
t=Series(dict)
print t
t.isnull()
判断是否为空
Series 的index可以随时就修改
t.index = ["AAA","DDD","DD","DE"]
DataFrame
默认会给你0，1，2，3，4 的index和columns
创建方法：
data = {'state': ['Ohio', 'Ohio', 'Ohio', 'Nevada', 'Nevada'], 'year': [2000, 2001, 2002, 2001, 2002],'pop': [1.5, 1.7, 3.6, 2.4, 2.9]}
df=pd.DataFrame(data)
print df
访问一整列的方法：
print df['year']
print df.year
修改整列 df［’year‘］＝ 2017
或者使用 Series 来赋值
为不存在的列赋值会创建出一个新列。关 键字del用于删除列
根据列 重新索引
col=["year','states','pop']
df.reindex(colunms=col)
这时会重新按照列进行索引。
当然也可以同时进行索引。
df[df>5]=0
将df中大于5的元素清零
用于行操作时，需要用ix，这也是一种重新索引的方法。
获取某一行：
df.irow(x)
获取某一列：
df.icol(x)
上面的x都是整数，按照实际的行列进行获取
修改某一个值：
df.ix[3, 'a'] = 88
排序：
sort_index() 按照字母表排序，或者 数字大小， 日期
如果想要按照列进行排列， sort_index(axis=1) 默认按照index 也就是行标进行排序。
按照某一列排序 sort_values(by="a"), 如果需要按照多列 就 使用 sort_values（by=['a','b']
文件读取与存储／数据库
pd.read_table(文件名，sep=",") 以，为分隔符读取数据。 如果文件没有标题栏，可以使用header＝None来制定，就是columns的值为空。 或者手动制定一个 names＝xxx
如果要制定index为某列，可以index_col＝“xx”
skiprow 可以帮助跳过第几行。
合并操作：
合并列
pd.merge(df1,df2)
merge重复的的值。 默认做的是交集： inner， 并集是outer, pd.merge（df1,df2,how=outer)
df1.join(df2)
行合并：
df.append(df2[:2]) index 不会变，df的值也不变，返回的值才是append之后的值
pd.concat( [ df1, df2 ] )
index重新排序。 注意格式
排序 df.groupby("Weather") #按照某一列进行排序
weather_group=df.groupby("Weather")
返回一个列表元组： for name, group in weather_group:
weather_group.first() 返回每一组分组中第一行
weather_group.last() 返回第一组分组中的最后一行
多行排序： df.groupby(['A','B'])
记住数据是Series还是DataFrame的 ！
从csv文件读入，设置index 用 pd.read_csv(filename, index_col="XXXXX")
或者new_df= df.set_index('XXXX')
利用python进行数据分析
PDF电子书完整版 百度网盘下载
http://pan.baidu.com/s/1pLm7hAb
密码：pvi4
查看全部
pandas的数组是没有逗号的 ['a' 'b' 'c' 'd' 'e']
r=Series([1,3,5,7,9],index=['A','B','C','D','E'])
print r
print r.index
r.reindex(['B','C''D','E','A'])
重新按照index进行排序
print r[['A','D']] #需要用两个中括号 才能正确地引用你说需要的值
字典操作：
print ‘A' in r
返回的是True或者False
可以用字典直接生成 Series
dict={"Username":"Rocky","Sex":"Male","Country":"China","Langauge":"Chinese"}
t=Series(dict)
print t
t.isnull()
判断是否为空
Series 的index可以随时就修改
t.index = ["AAA","DDD","DD","DE"]
DataFrame
默认会给你0，1，2，3，4 的index和columns
创建方法：
data = {'state': ['Ohio', 'Ohio', 'Ohio', 'Nevada', 'Nevada'], 'year': [2000, 2001, 2002, 2001, 2002],'pop': [1.5, 1.7, 3.6, 2.4, 2.9]}
df=pd.DataFrame(data)
print df
访问一整列的方法：
print df['year']
print df.year
修改整列 df［’year‘］＝ 2017
或者使用 Series 来赋值
为不存在的列赋值会创建出一个新列。关 键字del用于删除列
根据列 重新索引
col=["year','states','pop']
df.reindex(colunms=col)
这时会重新按照列进行索引。
当然也可以同时进行索引。
df[df>5]=0
将df中大于5的元素清零
用于行操作时，需要用ix，这也是一种重新索引的方法。
获取某一行：
df.irow(x)
获取某一列：
df.icol(x)
上面的x都是整数，按照实际的行列进行获取
修改某一个值：
df.ix[3, 'a'] = 88
排序：
sort_index() 按照字母表排序，或者 数字大小， 日期
如果想要按照列进行排列， sort_index(axis=1) 默认按照index 也就是行标进行排序。
按照某一列排序 sort_values(by="a"), 如果需要按照多列 就 使用 sort_values（by=['a','b']
文件读取与存储／数据库
pd.read_table(文件名，sep=",") 以，为分隔符读取数据。 如果文件没有标题栏，可以使用header＝None来制定，就是columns的值为空。 或者手动制定一个 names＝xxx
如果要制定index为某列，可以index_col＝“xx”
skiprow 可以帮助跳过第几行。
合并操作：
合并列
pd.merge(df1,df2)
merge重复的的值。 默认做的是交集： inner， 并集是outer, pd.merge（df1,df2,how=outer)
df1.join(df2)
行合并：
df.append(df2[:2]) index 不会变，df的值也不变，返回的值才是append之后的值
pd.concat( [ df1, df2 ] )
index重新排序。 注意格式
排序 df.groupby("Weather") #按照某一列进行排序
weather_group=df.groupby("Weather")
返回一个列表元组： for name, group in weather_group:
weather_group.first() 返回每一组分组中第一行
weather_group.last() 返回第一组分组中的最后一行
多行排序： df.groupby(['A','B'])
记住数据是Series还是DataFrame的 ！
从csv文件读入，设置index 用 pd.read_csv(filename, index_col="XXXXX")
或者new_df= df.set_index('XXXX')
利用python进行数据分析
PDF电子书完整版 百度网盘下载
http://pan.baidu.com/s/1pLm7hAb
密码：pvi4
查看全部
Series
pandas的数组是没有逗号的 ['a' 'b' 'c' 'd' 'e']
r=Series([1,3,5,7,9],index=['A','B','C','D','E'])
print r
print r.index
r.reindex(['B','C''D','E','A'])
重新按照index进行排序
print r[['A','D']] #需要用两个中括号 才能正确地引用你说需要的值
字典操作：
print ‘A' in r
返回的是True或者False
可以用字典直接生成 Series
dict={"Username":"Rocky","Sex":"Male","Country":"China","Langauge":"Chinese"}
t=Series(dict)
print t
t.isnull()
判断是否为空
Series 的index可以随时就修改
t.index = ["AAA","DDD","DD","DE"]
DataFrame
默认会给你0，1，2，3，4 的index和columns
创建方法：
data = {'state': ['Ohio', 'Ohio', 'Ohio', 'Nevada', 'Nevada'], 'year': [2000, 2001, 2002, 2001, 2002],'pop': [1.5, 1.7, 3.6, 2.4, 2.9]}
df=pd.DataFrame(data)
print df
访问一整列的方法：
print df['year']
print df.year
修改整列 df［’year‘］＝ 2017
或者使用 Series 来赋值
为不存在的列赋值会创建出一个新列。关 键字del用于删除列
根据列 重新索引
col=["year','states','pop']
df.reindex(colunms=col)
这时会重新按照列进行索引。
当然也可以同时进行索引。
df[df>5]=0
将df中大于5的元素清零
用于行操作时，需要用ix，这也是一种重新索引的方法。
获取某一行：
df.irow(x)
获取某一列：
df.icol(x)
上面的x都是整数，按照实际的行列进行获取
修改某一个值：
df.ix[3, 'a'] = 88
排序：
sort_index() 按照字母表排序，或者 数字大小， 日期
如果想要按照列进行排列， sort_index(axis=1) 默认按照index 也就是行标进行排序。
按照某一列排序 sort_values(by="a"), 如果需要按照多列 就 使用 sort_values（by=['a','b']
文件读取与存储／数据库
pd.read_table(文件名，sep=",") 以，为分隔符读取数据。 如果文件没有标题栏，可以使用header＝None来制定，就是columns的值为空。 或者手动制定一个 names＝xxx
如果要制定index为某列，可以index_col＝“xx”
skiprow 可以帮助跳过第几行。
合并操作：
合并列
pd.merge(df1,df2)
merge重复的的值。 默认做的是交集： inner， 并集是outer, pd.merge（df1,df2,how=outer)
df1.join(df2)
行合并：
df.append(df2[:2]) index 不会变，df的值也不变，返回的值才是append之后的值
pd.concat( [ df1, df2 ] )
index重新排序。 注意格式
排序 df.groupby("Weather") #按照某一列进行排序
weather_group=df.groupby("Weather")
返回一个列表元组： for name, group in weather_group:
weather_group.first() 返回每一组分组中第一行
weather_group.last() 返回第一组分组中的最后一行
多行排序： df.groupby(['A','B'])
记住数据是Series还是DataFrame的 ！
从csv文件读入，设置index 用 pd.read_csv(filename, index_col="XXXXX")
或者new_df= df.set_index('XXXX')
利用python进行数据分析
PDF电子书完整版 百度网盘下载
http://pan.baidu.com/s/1pLm7hAb
密码：pvi4
pandas的数组是没有逗号的 ['a' 'b' 'c' 'd' 'e']
r=Series([1,3,5,7,9],index=['A','B','C','D','E'])
print r
print r.index
r.reindex(['B','C''D','E','A'])
重新按照index进行排序
print r[['A','D']] #需要用两个中括号 才能正确地引用你说需要的值
字典操作：
print ‘A' in r
返回的是True或者False
可以用字典直接生成 Series
dict={"Username":"Rocky","Sex":"Male","Country":"China","Langauge":"Chinese"}
t=Series(dict)
print t
t.isnull()
判断是否为空
Series 的index可以随时就修改
t.index = ["AAA","DDD","DD","DE"]
DataFrame
默认会给你0，1，2，3，4 的index和columns
创建方法：
data = {'state': ['Ohio', 'Ohio', 'Ohio', 'Nevada', 'Nevada'], 'year': [2000, 2001, 2002, 2001, 2002],'pop': [1.5, 1.7, 3.6, 2.4, 2.9]}
df=pd.DataFrame(data)
print df
访问一整列的方法：
print df['year']
print df.year
修改整列 df［’year‘］＝ 2017
或者使用 Series 来赋值
为不存在的列赋值会创建出一个新列。关 键字del用于删除列
根据列 重新索引
col=["year','states','pop']
df.reindex(colunms=col)
这时会重新按照列进行索引。
当然也可以同时进行索引。
df[df>5]=0
将df中大于5的元素清零
用于行操作时，需要用ix，这也是一种重新索引的方法。
获取某一行：
df.irow(x)
获取某一列：
df.icol(x)
上面的x都是整数，按照实际的行列进行获取
修改某一个值：
df.ix[3, 'a'] = 88
排序：
sort_index() 按照字母表排序，或者 数字大小， 日期
如果想要按照列进行排列， sort_index(axis=1) 默认按照index 也就是行标进行排序。
按照某一列排序 sort_values(by="a"), 如果需要按照多列 就 使用 sort_values（by=['a','b']
文件读取与存储／数据库
pd.read_table(文件名，sep=",") 以，为分隔符读取数据。 如果文件没有标题栏，可以使用header＝None来制定，就是columns的值为空。 或者手动制定一个 names＝xxx
如果要制定index为某列，可以index_col＝“xx”
skiprow 可以帮助跳过第几行。
合并操作：
合并列
pd.merge(df1,df2)
merge重复的的值。 默认做的是交集： inner， 并集是outer, pd.merge（df1,df2,how=outer)
df1.join(df2)
行合并：
df.append(df2[:2]) index 不会变，df的值也不变，返回的值才是append之后的值
pd.concat( [ df1, df2 ] )
index重新排序。 注意格式
排序 df.groupby("Weather") #按照某一列进行排序
weather_group=df.groupby("Weather")
返回一个列表元组： for name, group in weather_group:
weather_group.first() 返回每一组分组中第一行
weather_group.last() 返回第一组分组中的最后一行
多行排序： df.groupby(['A','B'])
记住数据是Series还是DataFrame的 ！
从csv文件读入，设置index 用 pd.read_csv(filename, index_col="XXXXX")
或者new_df= df.set_index('XXXX')
利用python进行数据分析
PDF电子书完整版 百度网盘下载
http://pan.baidu.com/s/1pLm7hAb
密码：pvi4
dataframe按照条件删除行
李魔佛 发表了文章 • 0 个评论 • 5181 次浏览 • 2016-09-22 01:51
#存储每天 涨幅排行榜,避免每次读取耗时过长
filename=self.today+'.xls'
filename=os.path.join(os.getcwd(),filename)
if not os.path.exists(filename):
self.df_today_all=ts.get_today_all()
#过滤停牌的
self.df_today_all.drop(self.df_today_all[self.df_today_all['turnoverratio']==0].index,inplace=True)
#实测可用，删除的方法
#n1=self.df_today_all[self.df_today_all['turnoverratio']==0]
#n2=self.df_today_all.drop(n1.index)
#print n2
print self.df_today_all
self.df_today_all.to_excel(filename)
else:
self.df_today_all=pd.read_excel(filename)
print self.df_today_all 查看全部
filename=self.today+'.xls'
filename=os.path.join(os.getcwd(),filename)
if not os.path.exists(filename):
self.df_today_all=ts.get_today_all()
#过滤停牌的
self.df_today_all.drop(self.df_today_all[self.df_today_all['turnoverratio']==0].index,inplace=True)
#实测可用，删除的方法
#n1=self.df_today_all[self.df_today_all['turnoverratio']==0]
#n2=self.df_today_all.drop(n1.index)
#print n2
print self.df_today_all
self.df_today_all.to_excel(filename)
else:
self.df_today_all=pd.read_excel(filename)
print self.df_today_all 查看全部
#存储每天 涨幅排行榜,避免每次读取耗时过长
filename=self.today+'.xls'
filename=os.path.join(os.getcwd(),filename)
if not os.path.exists(filename):
self.df_today_all=ts.get_today_all()
#过滤停牌的
self.df_today_all.drop(self.df_today_all[self.df_today_all['turnoverratio']==0].index,inplace=True)
#实测可用，删除的方法
#n1=self.df_today_all[self.df_today_all['turnoverratio']==0]
#n2=self.df_today_all.drop(n1.index)
#print n2
print self.df_today_all
self.df_today_all.to_excel(filename)
else:
self.df_today_all=pd.read_excel(filename)
print self.df_today_all
filename=self.today+'.xls'
filename=os.path.join(os.getcwd(),filename)
if not os.path.exists(filename):
self.df_today_all=ts.get_today_all()
#过滤停牌的
self.df_today_all.drop(self.df_today_all[self.df_today_all['turnoverratio']==0].index,inplace=True)
#实测可用，删除的方法
#n1=self.df_today_all[self.df_today_all['turnoverratio']==0]
#n2=self.df_today_all.drop(n1.index)
#print n2
print self.df_today_all
self.df_today_all.to_excel(filename)
else:
self.df_today_all=pd.read_excel(filename)
print self.df_today_all
