树莓派2代 接通用usb摄像头

树莓派李魔佛 发表了文章 • 0 个评论 • 4063 次浏览 • 2016-05-21 19:25 • 来自相关话题

首先下载必要的usb播放工具
使用apt-get可以很方便下载到sudo apt-get install fswebcam
sudo apt-get install mplayer
sudo apt-get install alsamixer
安装后接入usb摄像头,在命令行下执行sudo ls /dev/video0









如果有这一个设备,说明你的usb摄像头兼容你的树莓派的驱动,不然还的额外去找第三方的摄像头驱动。

接着可以直接在命令行打开摄像头sudo mplayer tv://
然后选择一个画面进行拍摄sudo fswebcam -no-banner -r 640*480 image.jpg





大功告成。 查看全部
首先下载必要的usb播放工具
使用apt-get可以很方便下载到
sudo apt-get install fswebcam
sudo apt-get install mplayer
sudo apt-get install alsamixer

安装后接入usb摄像头,在命令行下执行
sudo ls /dev/video0




154057zp3w3go3vvizbrlq.png


如果有这一个设备,说明你的usb摄像头兼容你的树莓派的驱动,不然还的额外去找第三方的摄像头驱动。

接着可以直接在命令行打开摄像头
sudo mplayer tv://

然后选择一个画面进行拍摄
sudo fswebcam -no-banner -r 640*480 image.jpg

154058ks2w6tvt2zv4t9dw.png


大功告成。

深漂 -“To be or not To be”

默认分类xenia 发表了文章 • 0 个评论 • 924 次浏览 • 2016-05-21 10:59 • 来自相关话题

在深圳找租房,真是说多了都是泪~
稍微满意的,要不就是价钱太高,要不就秒租出去了~
 
因为今年房价水涨船高
刚需的望而生畏
同时,房东坐地起价
租客也苦不堪言
在这个一线城市,贫富差距如此之大
是离开
还是继续坚守
成了深漂的“To be or not To be”
 
  查看全部
在深圳找租房,真是说多了都是泪~
稍微满意的,要不就是价钱太高,要不就秒租出去了~
 
因为今年房价水涨船高
刚需的望而生畏
同时,房东坐地起价
租客也苦不堪言
在这个一线城市,贫富差距如此之大
是离开
还是继续坚守
成了深漂的“To be or not To be”
 
 

宝贝,自从有了你

默认分类xenia 发表了文章 • 0 个评论 • 1010 次浏览 • 2016-05-20 11:42 • 来自相关话题

一女同事突然间休了一个多月假,见她昨天回来上班了
“亲,许久不见,休假去哪了” 
她步履蹒跚的走过来,说了句“哎,累着了”
  
通过聊天才得知她怀孕了
但由于初期没有发现,过于劳累,现在还处于保胎过程中
她说她其实在这休假一个月
每一次出现任何不好的状况,都让她心惊胆战,百度了无数答案
于求心安
但百度也有更多的不好的答案及评论,让她不寒而栗
她只求快点度过这前三个月,一切顺利就好
也许同样作为孕期,我非常理解她的感受
 
不禁让我想起了我刚刚过去的“前三个月”
至今记忆犹新
我记得在两个月的时候,突然间胃口全无,无论是厨房油烟的味道,洗手间的味道,甚至打开冰箱门散发出来的味道,都让我的胃翻江倒海
见到曾经我最爱的“肉食” 也都无动于衷
鸡蛋更加不敢碰,还记得当时非常嫌弃吃鸡蛋,还被LG说“太矫情,太公主了”
那段时间内心充满了委屈,经常不自觉的掉眼泪,心想,他怎么这么不理解我呢?

想想平时坐长途车都没事,但那会连坐一趟短暂的公交也吐得稀里哗啦,出门随身都得备着塑胶袋
刚好当时碰上过年假期
本以为可以享受过年大鱼大肉,可惜,每天只能将就吃点白粥咸菜,可怜兮兮
当时,委屈得在给妈妈的电话中难以自拔地放声大哭
不停地说着“ 妈妈,实在太难受了”
妈妈也只能安慰我说”别怕 孩子,熬完前三个月就会好起来的,就算吐也要勉强自己多吃点,不要饿坏了“
真的好不容易边强忍着饿,边强忍着吐
就这样,坚持上班,度过了这痛苦的前三个月~
 
现在才深深明白
只有一个女孩当她自己成为了母亲,才更理解自己的母亲
想起自己叛逆时期,经常顶撞母亲,内心顿时愧疚不已...
以后一定要好好孝敬自己的妈妈才行啊~
十月怀胎真心不易
胎儿的一举一动,每次的孕检数据,都牵动着妈妈的心
还记得去检查唐氏的忐忑,四维彩超的不安,糖耐的痛苦
幸运的是都顺利走过来了
还有几个月就要和宝宝见面了
在接下来的日子里
心里只有一个单纯的愿望“只要宝宝健康,足月出生,平安快乐的成长就好,别无所求”~
 

 
 
 
 
 
  查看全部
一女同事突然间休了一个多月假,见她昨天回来上班了
“亲,许久不见,休假去哪了” 
她步履蹒跚的走过来,说了句“哎,累着了”
  
通过聊天才得知她怀孕了
但由于初期没有发现,过于劳累,现在还处于保胎过程中
她说她其实在这休假一个月
每一次出现任何不好的状况,都让她心惊胆战,百度了无数答案
于求心安
但百度也有更多的不好的答案及评论,让她不寒而栗
她只求快点度过这前三个月,一切顺利就好
也许同样作为孕期,我非常理解她的感受
 
不禁让我想起了我刚刚过去的“前三个月”
至今记忆犹新
我记得在两个月的时候,突然间胃口全无,无论是厨房油烟的味道,洗手间的味道,甚至打开冰箱门散发出来的味道,都让我的胃翻江倒海
见到曾经我最爱的“肉食” 也都无动于衷
鸡蛋更加不敢碰,还记得当时非常嫌弃吃鸡蛋,还被LG说“太矫情,太公主了”
那段时间内心充满了委屈,经常不自觉的掉眼泪,心想,他怎么这么不理解我呢?

想想平时坐长途车都没事,但那会连坐一趟短暂的公交也吐得稀里哗啦,出门随身都得备着塑胶袋
刚好当时碰上过年假期
本以为可以享受过年大鱼大肉,可惜,每天只能将就吃点白粥咸菜,可怜兮兮
当时,委屈得在给妈妈的电话中难以自拔地放声大哭
不停地说着“ 妈妈,实在太难受了”
妈妈也只能安慰我说”别怕 孩子,熬完前三个月就会好起来的,就算吐也要勉强自己多吃点,不要饿坏了“
真的好不容易边强忍着饿,边强忍着吐
就这样,坚持上班,度过了这痛苦的前三个月~
 
现在才深深明白
只有一个女孩当她自己成为了母亲,才更理解自己的母亲
想起自己叛逆时期,经常顶撞母亲,内心顿时愧疚不已...
以后一定要好好孝敬自己的妈妈才行啊~
十月怀胎真心不易
胎儿的一举一动,每次的孕检数据,都牵动着妈妈的心
还记得去检查唐氏的忐忑,四维彩超的不安,糖耐的痛苦
幸运的是都顺利走过来了
还有几个月就要和宝宝见面了
在接下来的日子里
心里只有一个单纯的愿望“只要宝宝健康,足月出生,平安快乐的成长就好,别无所求”~
 

 
 
 
 
 
 

如果就这样混着

默认分类xenia 发表了文章 • 1 个评论 • 1070 次浏览 • 2016-05-19 15:56 • 来自相关话题

今早,照例开早会,领导说“在这里发布一个通知,公司管理层一致决定,希望大家在下班之余,可以自愿报名多学习其他部门的技能,或者将自己手上工作写成一份指导书,带领新徒弟,成为老师,专家,当然加班学习及培训,公司也会给予加班费的,这也是公司为各位的发展和晋升考虑,所以也是咱们公司特定的人才专项培养计划“
 
说罢,全场组员却无动于衷,鸦雀无声~
而领导来不及适应这种沉默,以为他提出了学习都有加班费,组员会争先恐后,跃跃欲试~
 
当今职场的人都不傻
都知道公司这么干的直接目的
美名其曰是“人才专项培养计划”
其实潜台词就是,首先把你熟悉的工作写成了指导书,供后人填补你岗位的人直接使用,俗话说,卸磨杀驴啊,就算离职,也不会一下子对公司造成什么损失
另外就是到其他部门学习,实际上就是公司人手不够,除了要求你再自己产线上完成你的工作外,还希望你到其他部门去支援,因为公司不喜欢有些部门就加班加到手软,而有些部门下班时间到点即走的现象
关于那零星的加班费,更加没有吸引力~
或许对于刚毕业的热血青年还有鸡血的作用,对于我们这些老油条,多一事还不如少一事 ,落得清净~
只是大部分人心照不宣
当领导问起,对以上计划有异议吗,没有的话,我们就开始执行咯
虽然只是例牌问话
但每个人几乎都是面无表情的回应‘没有异议”,无人反抗~
 
会后,组员的内部的讨论组 开始怨声四起
每个人都愤愤不平
只是这时候只能瞎吐槽,发牢骚罢了
想混下去,还是得服从啊~
日复一日,如果就这样混着~ 直到混不动的那一天,还有多久?~值得反思~
 
 
 
 
 
 

 
 

 
 
 
  查看全部
今早,照例开早会,领导说“在这里发布一个通知,公司管理层一致决定,希望大家在下班之余,可以自愿报名多学习其他部门的技能,或者将自己手上工作写成一份指导书,带领新徒弟,成为老师,专家,当然加班学习及培训,公司也会给予加班费的,这也是公司为各位的发展和晋升考虑,所以也是咱们公司特定的人才专项培养计划“
 
说罢,全场组员却无动于衷,鸦雀无声~
而领导来不及适应这种沉默,以为他提出了学习都有加班费,组员会争先恐后,跃跃欲试~
 
当今职场的人都不傻
都知道公司这么干的直接目的
美名其曰是“人才专项培养计划”
其实潜台词就是,首先把你熟悉的工作写成了指导书,供后人填补你岗位的人直接使用,俗话说,卸磨杀驴啊,就算离职,也不会一下子对公司造成什么损失
另外就是到其他部门学习,实际上就是公司人手不够,除了要求你再自己产线上完成你的工作外,还希望你到其他部门去支援,因为公司不喜欢有些部门就加班加到手软,而有些部门下班时间到点即走的现象
关于那零星的加班费,更加没有吸引力~
或许对于刚毕业的热血青年还有鸡血的作用,对于我们这些老油条,多一事还不如少一事 ,落得清净~
只是大部分人心照不宣
当领导问起,对以上计划有异议吗,没有的话,我们就开始执行咯
虽然只是例牌问话
但每个人几乎都是面无表情的回应‘没有异议”,无人反抗~
 
会后,组员的内部的讨论组 开始怨声四起
每个人都愤愤不平
只是这时候只能瞎吐槽,发牢骚罢了
想混下去,还是得服从啊~
日复一日,如果就这样混着~ 直到混不动的那一天,还有多久?~值得反思~
 
 
 
 
 
 

 
 

 
 
 
 

30天学会量化交易模型 Day03

量化交易李魔佛 发表了文章 • 9 个评论 • 9988 次浏览 • 2016-05-18 23:33 • 来自相关话题

第二天讲到保存为csv文件,下面的命令将数据保存为我们更加常用,且兼容性更好的excel文件 和sql数据库文件。
 





 
常用参数说明:

excel_writer: 文件路径或者ExcelWriter对象
sheet_name:sheet名称,默认为Sheet1
sep : 文件内容分隔符,默认为,逗号
na_rep: 在遇到NaN值时保存为某字符,默认为’‘空字符
float_format: float类型的格式
columns: 需要保存的列,默认为None
header: 是否保存columns名,默认为True
index: 是否保存index,默认为True
encoding: 文件编码格式
startrow: 在数据的头部留出startrow行空行
startcol :在数据的左边留出startcol列空列


tushare数据保存到SQL数据库文件

df.to_sql(表名,数据库的连接器)
引用官方的参数:

pandas.DataFrame.to_sql

DataFrame.to_sql(name, con, flavor=None, schema=None, if_exists='fail', index=True, index_label=None,chunksize=None, dtype=None)[source]

Write records stored in a DataFrame to a SQL database.

Parameters:

name : string

Name of SQL table

con : SQLAlchemy engine or DBAPI2 connection (legacy mode)

Using SQLAlchemy makes it possible to use any DB supported by that library. If a DBAPI2 object, only sqlite3 is supported.

flavor : ‘sqlite’, default None

DEPRECATED: this parameter will be removed in a future version, as ‘sqlite’ is the only supported option if SQLAlchemy is not installed.

schema : string, default None

Specify the schema (if database flavor supports this). If None, use default schema.

if_exists : {‘fail’, ‘replace’, ‘append’}, default ‘fail’

fail: If table exists, do nothing.
replace: If table exists, drop it, recreate it, and insert data.
append: If table exists, insert data. Create if does not exist.

index : boolean, default True

Write DataFrame index as a column.

index_label : string or sequence, default None

Column label for index column(s). If None is given (default) and index is True, then the index names are used. A sequence should be given if the DataFrame uses MultiIndex.

chunksize : int, default None

If not None, then rows will be written in batches of this size at a time. If None, all rows will be written at once.

dtype : dict of column name to SQL type, default None

Optional specifying the datatype for columns. The SQL type should be a SQLAlchemy type, or a string for sqlite3 fallback connection.

这里只支持sqlalchemy和sqlite。 所以如果是用的mysql,需要安装sqlalchemy的插件才行。

这里使用简单的sqlite3 作为例子:import sqlite3
db=sqlite3.connect("testdb.db")
df = ts.get_k_data('300333',start='2016-01-01',end='2016-12-28')
df.to_sql("newtable",db,flavor='sqlite')

这样,数据就保存到到名字为testdb.db的数据库中,表名为 newtable


 
上一篇:30天学会量化交易模型 Day02 
http://30daydo.com/article/13 

下一篇:30天学会量化交易模型 Day04 (tushare获取破新高的股票)
链接: http://www.30daydo.com/article/70 

  查看全部
第二天讲到保存为csv文件,下面的命令将数据保存为我们更加常用,且兼容性更好的excel文件 和sql数据库文件。
 

excel.jpg

 
常用参数说明:

excel_writer: 文件路径或者ExcelWriter对象
sheet_name:sheet名称,默认为Sheet1
sep : 文件内容分隔符,默认为,逗号
na_rep: 在遇到NaN值时保存为某字符,默认为’‘空字符
float_format: float类型的格式
columns: 需要保存的列,默认为None
header: 是否保存columns名,默认为True
index: 是否保存index,默认为True
encoding: 文件编码格式
startrow: 在数据的头部留出startrow行空行
startcol :在数据的左边留出startcol列空列


tushare数据保存到SQL数据库文件

df.to_sql(表名,数据库的连接器)
引用官方的参数:


pandas.DataFrame.to_sql

DataFrame.to_sql(name, con, flavor=None, schema=None, if_exists='fail', index=True, index_label=None,chunksize=None, dtype=None)[source]

Write records stored in a DataFrame to a SQL database.

Parameters:

name : string

Name of SQL table

con : SQLAlchemy engine or DBAPI2 connection (legacy mode)

Using SQLAlchemy makes it possible to use any DB supported by that library. If a DBAPI2 object, only sqlite3 is supported.

flavor : ‘sqlite’, default None

DEPRECATED: this parameter will be removed in a future version, as ‘sqlite’ is the only supported option if SQLAlchemy is not installed.

schema : string, default None

Specify the schema (if database flavor supports this). If None, use default schema.

if_exists : {‘fail’, ‘replace’, ‘append’}, default ‘fail’

fail: If table exists, do nothing.
replace: If table exists, drop it, recreate it, and insert data.
append: If table exists, insert data. Create if does not exist.

index : boolean, default True

Write DataFrame index as a column.

index_label : string or sequence, default None

Column label for index column(s). If None is given (default) and index is True, then the index names are used. A sequence should be given if the DataFrame uses MultiIndex.

chunksize : int, default None

If not None, then rows will be written in batches of this size at a time. If None, all rows will be written at once.

dtype : dict of column name to SQL type, default None

Optional specifying the datatype for columns. The SQL type should be a SQLAlchemy type, or a string for sqlite3 fallback connection.


这里只支持sqlalchemy和sqlite。 所以如果是用的mysql,需要安装sqlalchemy的插件才行。

这里使用简单的sqlite3 作为例子:
import sqlite3
db=sqlite3.connect("testdb.db")
df = ts.get_k_data('300333',start='2016-01-01',end='2016-12-28')
df.to_sql("newtable",db,flavor='sqlite')

这样,数据就保存到到名字为testdb.db的数据库中,表名为 newtable


 
上一篇:30天学会量化交易模型 Day02 
http://30daydo.com/article/13 

下一篇:30天学会量化交易模型 Day04 (tushare获取破新高的股票)
链接: http://www.30daydo.com/article/70 

 

陪着你长大

默认分类xenia 发表了文章 • 0 个评论 • 957 次浏览 • 2016-05-18 14:14 • 来自相关话题

女同事 三三两两一起吃中饭时,免不了会聊到带娃,婆媳相处等家庭琐事~
 
其中一位同事讲起她和她婆婆相处的经历,让我印象颇深~
由于工作原因,把小孩放在老家留给婆婆带
如今小孩2岁了,当她好不容易请假回到老家看小孩时,发现自己的孩子跟城里的孩子相去甚远
不讲卫生
脾气暴躁
内心孤僻
更为严重的是,连自己的妈妈都不认识,在她婆婆的引导下,竟然把婶婶当做妈妈来喊
她内心隐隐作痛
心里咬着牙 要把小孩接到城里,和自己相处
可惜小孩早已习惯了奶奶,离不开奶奶了,一时之间无法强行让小孩也奶奶分开~
就这样又独自一人返回城里工作
可是她的心五味杂陈~
 
如果不是现实万般无奈
相信很少人会让自己的小孩成为留守儿童~
虽然很理解这位女同事的境遇,但内心泛起涟漪~
做父母的,是否就可以只管生,不管养呢
然后以工作的理由,就把小孩轻易丢给老人带呢
还是要尽自己最大努力,把小孩留在自己身边,一点一滴的教育呢
 
我自己也即将成为母亲了
看到这么多留守儿童的问题,我暗自下定决心
不管有多难
我都要陪着孩子一起长大~
 
 
  查看全部
女同事 三三两两一起吃中饭时,免不了会聊到带娃,婆媳相处等家庭琐事~
 
其中一位同事讲起她和她婆婆相处的经历,让我印象颇深~
由于工作原因,把小孩放在老家留给婆婆带
如今小孩2岁了,当她好不容易请假回到老家看小孩时,发现自己的孩子跟城里的孩子相去甚远
不讲卫生
脾气暴躁
内心孤僻
更为严重的是,连自己的妈妈都不认识,在她婆婆的引导下,竟然把婶婶当做妈妈来喊
她内心隐隐作痛
心里咬着牙 要把小孩接到城里,和自己相处
可惜小孩早已习惯了奶奶,离不开奶奶了,一时之间无法强行让小孩也奶奶分开~
就这样又独自一人返回城里工作
可是她的心五味杂陈~
 
如果不是现实万般无奈
相信很少人会让自己的小孩成为留守儿童~
虽然很理解这位女同事的境遇,但内心泛起涟漪~
做父母的,是否就可以只管生,不管养呢
然后以工作的理由,就把小孩轻易丢给老人带呢
还是要尽自己最大努力,把小孩留在自己身边,一点一滴的教育呢
 
我自己也即将成为母亲了
看到这么多留守儿童的问题,我暗自下定决心
不管有多难
我都要陪着孩子一起长大~
 
 
 

30天学会量化交易模型 Day02

量化交易李魔佛 发表了文章 • 0 个评论 • 14884 次浏览 • 2016-05-17 16:30 • 来自相关话题

github同步代码: https://github.com/Rockyzsu/stock
 30天学会量化交易模型 Day01
 
接着上一篇,如果已经掌握了pandas数据类型的各种使用,就可以进入tushare数据的抓取环节。
 
tushare安装教程:
pip install tushare #最傻瓜且最快的安装方式
 
使用方法:





说明:
获取个股历史交易数据(包括均线数据),可以通过参数设置获取日k线、周k线、月k线,以及5分钟、15分钟、30分钟和60分钟k线数据。本接口只能获取近3年的日线数据,适合搭配均线数据进行选股和分析,如果需要全部历史数据,请调用下一个接口get_h_data()。

参数说明:

code:股票代码,即6位数字代码,或者指数代码(sh=上证指数 sz=深圳成指 hs300=沪深300指数 sz50=上证50 zxb=中小板 cyb=创业板)
start:开始日期,格式YYYY-MM-DD
end:结束日期,格式YYYY-MM-DD
ktype:数据类型,D=日k线 W=周 M=月 5=5分钟 15=15分钟 30=30分钟 60=60分钟,默认为D
retry_count:当网络异常后重试次数,默认为3
pause:重试时停顿秒数,默认为0

返回值说明:

date:日期
open:开盘价
high:最高价
close:收盘价
low:最低价
volume:成交量
price_change:价格变动
p_change:涨跌幅
ma5:5日均价
ma10:10日均价
ma20:20日均价
v_ma5:5日均量
v_ma10:10日均量
v_ma20:20日均量
turnover:换手率[注:指数无此项]
 
如果要获取所有的历史数据,可以使用 ts.get_h_data(股票代码,开始日期,结束日期) 即可。
 

ts.get_hist_data('600848',start='2015-01-05',end='2015-01-09')
 







 其它的一些参数:






 
接着学习数据的存储:
 
首先来扫一下盲: csv和excel的区别:

excel中后缀为csv和xls,二者区别如下:
1、xls 文件就是Microsoft excel电子表格的文件格式。
2、csv是最通用的一种文件格式,它可以非常容易地被导入各种PC表格及数据库中。 此文件,一行即为数据表的一行。生成数据表字段用半角逗号隔开。
csv是文本文件,用记事本就能打开,XLS是二进制的文件只有用EXCEL才能打
csv文件是以逗号为分隔符号,将各字段列分离出的一种ASCII文件。
csv(*.csv) 文件格式只能保存活动工作表中的单元格所显示的文本和数值。工作表中所有的数据行和字符都将保存。
数据列以逗号分隔,每一行数据都以回车符结束。如果单元格中包含逗号,则该单元格中的内容以双引号引起。

 

保存为csv格式







############################
获取股市市场的基本信息:
 
stock_info=ts.get_stock_basics()
 
包含了
"""
        获取沪深上市公司基本情况
    Return
    --------
    DataFrame
               code,代码
               name,名称
               industry,细分行业
               area,地区
               pe,市盈率
               outstanding,流通股本
               totals,总股本(万)
               totalAssets,总资产(万)
               liquidAssets,流动资产
               fixedAssets,固定资产
               reserved,公积金
               reservedPerShare,每股公积金
               eps,每股收益
               bvps,每股净资
               pb,市净率
               timeToMarket,上市日期
    """
 
获取所有股市的代码:
stock_info=ts.get_stock_basics()
def get_all_stock_id():
#获取所有股票代码
for i in stock_info.index:
print i
 


下一篇:30天学会量化交易模型 Day03
链接:http://30daydo.com/article/15 

 

  查看全部
github同步代码: https://github.com/Rockyzsu/stock
 30天学会量化交易模型 Day01
 
接着上一篇,如果已经掌握了pandas数据类型的各种使用,就可以进入tushare数据的抓取环节。
 
tushare安装教程:
pip install tushare #最傻瓜且最快的安装方式
 
使用方法:
TuShare_-财经数据接口包.jpg


说明:
获取个股历史交易数据(包括均线数据),可以通过参数设置获取日k线、周k线、月k线,以及5分钟、15分钟、30分钟和60分钟k线数据。本接口只能获取近3年的日线数据,适合搭配均线数据进行选股和分析,如果需要全部历史数据,请调用下一个接口get_h_data()。

参数说明:

code:股票代码,即6位数字代码,或者指数代码(sh=上证指数 sz=深圳成指 hs300=沪深300指数 sz50=上证50 zxb=中小板 cyb=创业板)
start:开始日期,格式YYYY-MM-DD
end:结束日期,格式YYYY-MM-DD
ktype:数据类型,D=日k线 W=周 M=月 5=5分钟 15=15分钟 30=30分钟 60=60分钟,默认为D
retry_count:当网络异常后重试次数,默认为3
pause:重试时停顿秒数,默认为0

返回值说明:

date:日期
open:开盘价
high:最高价
close:收盘价
low:最低价
volume:成交量
price_change:价格变动
p_change:涨跌幅
ma5:5日均价
ma10:10日均价
ma20:20日均价
v_ma5:5日均量
v_ma10:10日均量
v_ma20:20日均量
turnover:换手率[注:指数无此项]
 
如果要获取所有的历史数据,可以使用 ts.get_h_data(股票代码,开始日期,结束日期) 即可。
 

ts.get_hist_data('600848',start='2015-01-05',end='2015-01-09')
 

所有数据.jpg



 其它的一些参数:

TuShare_-财经数据接口包1.jpg


 
接着学习数据的存储:
 
首先来扫一下盲: csv和excel的区别:


excel中后缀为csv和xls,二者区别如下:
1、xls 文件就是Microsoft excel电子表格的文件格式。
2、csv是最通用的一种文件格式,它可以非常容易地被导入各种PC表格及数据库中。 此文件,一行即为数据表的一行。生成数据表字段用半角逗号隔开。
csv是文本文件,用记事本就能打开,XLS是二进制的文件只有用EXCEL才能打
csv文件是以逗号为分隔符号,将各字段列分离出的一种ASCII文件。
csv(*.csv) 文件格式只能保存活动工作表中的单元格所显示的文本和数值。工作表中所有的数据行和字符都将保存。
数据列以逗号分隔,每一行数据都以回车符结束。如果单元格中包含逗号,则该单元格中的内容以双引号引起。


 

保存为csv格式

cvs.jpg



############################
获取股市市场的基本信息:
 
stock_info=ts.get_stock_basics()
 
包含了
"""
        获取沪深上市公司基本情况
    Return
    --------
    DataFrame
               code,代码
               name,名称
               industry,细分行业
               area,地区
               pe,市盈率
               outstanding,流通股本
               totals,总股本(万)
               totalAssets,总资产(万)
               liquidAssets,流动资产
               fixedAssets,固定资产
               reserved,公积金
               reservedPerShare,每股公积金
               eps,每股收益
               bvps,每股净资
               pb,市净率
               timeToMarket,上市日期
    """
 
获取所有股市的代码:
stock_info=ts.get_stock_basics()
def get_all_stock_id():
#获取所有股票代码
for i in stock_info.index:
print i

 


下一篇:30天学会量化交易模型 Day03
链接:http://30daydo.com/article/15 

 

 

女生30岁~

默认分类xenia 发表了文章 • 0 个评论 • 997 次浏览 • 2016-05-17 12:01 • 来自相关话题

最近
一位女性好友失恋,恰逢30岁,这个年龄在中国社会是一个大龄剩女的坎,心急如焚的坎
突然间4年的感情不翼而飞,而后深夜买醉,少了一个人在身边,让她觉得异常孤单
哭过,卑微挽留过
剩下仅存骄傲让她咬着一股气,马不停蹄的开始报名各大交友网站,下班后积极参加各式交友俱乐部的交友活动
只要遇到不会心生讨厌的男生,就开始加微信,交换电话,私聊热聊
到处撒网
她说:不知何时,感觉自己成了一个结婚狂,怕自己30以后没人要了”~
 
我特别理解她的感受,曾经我也在28岁失恋后,心急如焚过~
而当我29岁时,在一个陌生的城市,遇到了生命中的他(这些都不是我能预计的)
幸福就像命中注定的出现了~
所以作为过来人,我只能安慰和鼓励她“ 亲爱的,请相信属于你的缘分是一定存在的”
这句轻描淡写的话,不知道对她有没有任何温暖的作用
但是在中国这样一个社会,看到一个30岁的女生为了把自己嫁出去,作出的不懈努力,看到她每次开心地和我分享找到潜在发展的对象时,作为朋友的我,除了祝福外,能给的就是深深的拥抱~然后跟她说“只要你幸福就好”~
 
 
 
 
 
 
 
 
 
 
    
 
 
     
 
  
  查看全部
最近
一位女性好友失恋,恰逢30岁,这个年龄在中国社会是一个大龄剩女的坎,心急如焚的坎
突然间4年的感情不翼而飞,而后深夜买醉,少了一个人在身边,让她觉得异常孤单
哭过,卑微挽留过
剩下仅存骄傲让她咬着一股气,马不停蹄的开始报名各大交友网站,下班后积极参加各式交友俱乐部的交友活动
只要遇到不会心生讨厌的男生,就开始加微信,交换电话,私聊热聊
到处撒网
她说:不知何时,感觉自己成了一个结婚狂,怕自己30以后没人要了”~
 
我特别理解她的感受,曾经我也在28岁失恋后,心急如焚过~
而当我29岁时,在一个陌生的城市,遇到了生命中的他(这些都不是我能预计的)
幸福就像命中注定的出现了~
所以作为过来人,我只能安慰和鼓励她“ 亲爱的,请相信属于你的缘分是一定存在的”
这句轻描淡写的话,不知道对她有没有任何温暖的作用
但是在中国这样一个社会,看到一个30岁的女生为了把自己嫁出去,作出的不懈努力,看到她每次开心地和我分享找到潜在发展的对象时,作为朋友的我,除了祝福外,能给的就是深深的拥抱~然后跟她说“只要你幸福就好”~
 
 
 
 
 
 
 
 
 
 
    
 
 
     
 
  
 

30天学会量化交易模型 Day01

量化交易李魔佛 发表了文章 • 6 个评论 • 55884 次浏览 • 2016-05-16 16:14 • 来自相关话题

Day 01 ---- Pandas
github同步代码: https://github.com/Rockyzsu/stock

 本人是一个会一点pyhton语言的菜鸟,对量化交易很好奇,准备在30天内学会量化交易。每天更新一篇文章,视乎个人每天宽裕的时间有多少,时间多就多写点,如果时间仓促就可能写的粗略一些,但每天都会坚持去写。
 
第一天
首先要找到获取股票市场的数据来源,python支持几个股票接口。 个人采用tushare。
 
对于tushare,使用最多的数据类型就是pandas中的DataFrame了。
 
先导入包:





创建对象 Series
1、可以通过传递一个list对象来创建一个Series,pandas会默认创建整型索引:




(np.nan是一个空值)

通过传递一个numpy array,时间索引以及列标签来创建一个DataFrame:





通过传递一个能够被转换成类似序列结构的字典对象来创建一个DataFrame:




 
查看不同列的数据类型:




 
查看数据
 
查看frame中头部和尾部的行:





显示索引、列和底层的numpy数据:





describe()函数对于数据的快速统计汇总:





 对数据的转置:




 
数据选择
虽然标准的Python/Numpy的选择和设置表达式都能够直接派上用场,但是作为工程使用的代码,我们推荐使用经过优化的pandas数据访问方式: .at, .iat, .loc, .iloc 和 .ix
选择一个单独的列,这将会返回一个Series,等同于df.A:
 




通过进行选择,这将会对行进行切片




 
通过标签选择
使用标签来获取一个交叉的区域
 




通过标签来在多个轴上进行选择





标签切片





 

通过位置选择
 
通过传递数值进行位置选择(选择的是行)
 






通过数值进行切片,与numpy/python中的情况类似
 






 
通过指定一个位置的列表,与numpy/python中的情况类似
 






 
获取特定的值
 






 
布尔索引
 
1. 使用一个单独列的值来选择数据:






2. 使用where操作来选择数据:






 3.  使用isin()方法来过滤:






相关操作
 
  统计(相关操作通常情况下不包括缺失值)
 
执行描述性统计:
 






 
 
Pandas读取excel数据:#-*-coding=utf-8-*-
__author__ = 'rocky'
import pandas as pd
import numpy as np
def excel_op():
df=pd.read_excel("mystock.xls")
print df.head()

excel_op()(前提是需要安装xlrd 一个python对excel操作的包)
 






pandas中有Nan的非法数据,需要怎样处理呢?
 
可以使用 
code=code.fillna(0)
这个fillna(0) 函数,用来填充NaN的部分。 
 
填充后是这样子的:






这样对数据进行遍历的时候就可以通过 if data !=0 来判断是非非法。 因为没有其他表达式可以判断NaN
 
 
对于一些超大的excel或者csv文件,怎样读才能提高效率呢 ?df = pd.read_csv('test.csv', chunksize=10000)
for chunk in df:
# TODO: process the chunk as a normal DataFrame上面的参数就把csv文件分割为10000份,然后每份进行处理。
 
 
对dataframe的每一行进行遍历: for index,row in df.iterrows():
print row[u'代码'],row[u'资金发生数']上面的代码会循环输出每一行的 “代码”列和“资金发生数”列。
 

 下一篇:30天学会量化交易模型 Day02
http://30daydo.com/article/13
 
python数据分析之 A股上市公司按地区分布与可视化
http://30daydo.com/article/388 

转载请注明:http://30daydo.com/article/11
  查看全部
Day 01 ---- Pandas
github同步代码: https://github.com/Rockyzsu/stock

 本人是一个会一点pyhton语言的菜鸟,对量化交易很好奇,准备在30天内学会量化交易。每天更新一篇文章,视乎个人每天宽裕的时间有多少,时间多就多写点,如果时间仓促就可能写的粗略一些,但每天都会坚持去写。
 
第一天
首先要找到获取股票市场的数据来源,python支持几个股票接口。 个人采用tushare。
 
对于tushare,使用最多的数据类型就是pandas中的DataFrame了。
 
先导入包:
1.jpg


创建对象 Series
1、可以通过传递一个list对象来创建一个Series,pandas会默认创建整型索引:
2.jpg

(np.nan是一个空值)

通过传递一个numpy array,时间索引以及列标签来创建一个DataFrame:
3.jpg


通过传递一个能够被转换成类似序列结构的字典对象来创建一个DataFrame:
4.jpg

 
查看不同列的数据类型:
5.jpg

 
查看数据
 
查看frame中头部和尾部的行:
6.jpg


显示索引、列和底层的numpy数据:
a1.jpg


describe()函数对于数据的快速统计汇总:
a2.jpg


 对数据的转置:
a3.jpg

 
数据选择
虽然标准的Python/Numpy的选择和设置表达式都能够直接派上用场,但是作为工程使用的代码,我们推荐使用经过优化的pandas数据访问方式: .at, .iat, .loc, .iloc 和 .ix
选择一个单独的列,这将会返回一个Series,等同于df.A:
 
a4.jpg


通过进行选择,这将会对行进行切片
a5.jpg

 
通过标签选择
使用标签来获取一个交叉的区域
 
a6.jpg


通过标签来在多个轴上进行选择
a7.jpg


标签切片

a8.jpg

 

通过位置选择
 
通过传递数值进行位置选择(选择的是行)
 
a1.jpg



通过数值进行切片,与numpy/python中的情况类似
 

a2.jpg


 
通过指定一个位置的列表,与numpy/python中的情况类似
 
a3.jpg



 
获取特定的值
 

a4.jpg


 
布尔索引
 
1. 使用一个单独列的值来选择数据:

a11.jpg


2. 使用where操作来选择数据:

a12.jpg


 3.  使用isin()方法来过滤:

a13.jpg


相关操作
 
  统计(相关操作通常情况下不包括缺失值)
 
执行描述性统计:
 

a14.jpg


 
 
Pandas读取excel数据:
#-*-coding=utf-8-*-
__author__ = 'rocky'
import pandas as pd
import numpy as np
def excel_op():
df=pd.read_excel("mystock.xls")
print df.head()

excel_op()
(前提是需要安装xlrd 一个python对excel操作的包)
 

pandas1.PNG


pandas中有Nan的非法数据,需要怎样处理呢?
 
可以使用 
code=code.fillna(0)
这个fillna(0) 函数,用来填充NaN的部分。 
 
填充后是这样子的:

pandas2.PNG


这样对数据进行遍历的时候就可以通过 if data !=0 来判断是非非法。 因为没有其他表达式可以判断NaN
 
 
对于一些超大的excel或者csv文件,怎样读才能提高效率呢 ?
df = pd.read_csv('test.csv', chunksize=10000)
for chunk in df:
# TODO: process the chunk as a normal DataFrame
上面的参数就把csv文件分割为10000份,然后每份进行处理。
 
 
对dataframe的每一行进行遍历:
    for index,row in df.iterrows():
print row[u'代码'],row[u'资金发生数']
上面的代码会循环输出每一行的 “代码”列和“资金发生数”列。
 

 下一篇:30天学会量化交易模型 Day02
http://30daydo.com/article/13
 
python数据分析之 A股上市公司按地区分布与可视化
http://30daydo.com/article/388 

转载请注明:http://30daydo.com/article/11
 

某周一早上

30天新尝试xenia 发表了文章 • 0 个评论 • 1099 次浏览 • 2016-05-16 11:02 • 来自相关话题

某周一的早上,在饭桌上望着闹钟懒洋洋啃着早餐,想着离周五还那么遥远,总有一种崩溃的感觉;任重而道远...习惯开手机,刷微信,不喜欢点赞,不习惯评论,那些晒吃晒喝,晒娃晒照骗的,每天上演,无聊至及;这是无法拒绝的朋友圈...
 
突然看到朋友圈里一条这样的信息:
“一名杀人犯被判死刑。他必须选择三个房间中的一个受死。第一个房间里燃烧着熊熊烈火。第二个房间里全是刺客,手里都拿着上了子弹的枪。而第三个房间则塞满了3年没有进食的狮子。哪一个房间对他来说比较安全呢?”
 
嘿嘿,这第一反应是进哪个房间都必死无疑啊~ 请问你是这么想的吗,我承认我是的~
哈,提示扫描二维码,关注后有答案,好奇害死猫,还是傻愣愣的关注了,运营商就这样圈了我这样一个粉,连看个朋友圈都要成为粉,当今世道不是粉貌似都不能活了~
 
好吧,分析说“死胡同的思维,让我们忘记了 3年没进食的狮子,咋还能起来吃人呢?” 
 
突然不明觉厉~脑袋清醒了很多,尽管面对崩溃的周一,还得去上班啊~
 
 
 
 
 
 
 
 
 
 
 
 
 
  查看全部
某周一的早上,在饭桌上望着闹钟懒洋洋啃着早餐,想着离周五还那么遥远,总有一种崩溃的感觉;任重而道远...习惯开手机,刷微信,不喜欢点赞,不习惯评论,那些晒吃晒喝,晒娃晒照骗的,每天上演,无聊至及;这是无法拒绝的朋友圈...
 
突然看到朋友圈里一条这样的信息:
“一名杀人犯被判死刑。他必须选择三个房间中的一个受死。第一个房间里燃烧着熊熊烈火。第二个房间里全是刺客,手里都拿着上了子弹的枪。而第三个房间则塞满了3年没有进食的狮子。哪一个房间对他来说比较安全呢?”
 
嘿嘿,这第一反应是进哪个房间都必死无疑啊~ 请问你是这么想的吗,我承认我是的~
哈,提示扫描二维码,关注后有答案,好奇害死猫,还是傻愣愣的关注了,运营商就这样圈了我这样一个粉,连看个朋友圈都要成为粉,当今世道不是粉貌似都不能活了~
 
好吧,分析说“死胡同的思维,让我们忘记了 3年没进食的狮子,咋还能起来吃人呢?” 
 
突然不明觉厉~脑袋清醒了很多,尽管面对崩溃的周一,还得去上班啊~