做护肤品好的网站,如何制作免费永久网站,免费申请一个域名,兰州最大的装修公司目录
写字前面#xff1a;
结果展示
获取数据
行业数据
控制人数据 十大流通股东数据 开始合并
1 从行业数据中提取证券股的行业数据
2 合并控制人数据
3 合并十大流通股东
4 把三个结果按列合并 写字前面#xff1a;
在分析数据的时候#xff0c;常常需要的字段…目录
写字前面
结果展示
获取数据
行业数据
控制人数据 十大流通股东数据 开始合并
1 从行业数据中提取证券股的行业数据
2 合并控制人数据
3 合并十大流通股东
4 把三个结果按列合并 写字前面
在分析数据的时候常常需要的字段分散在多个文档里这时候就需要把这些字段合并到一起方便查看和分析。本文以证券板块的股票为例整合行业、控制人、十大流通股东这三项数据。
结果展示 获取数据
行业数据
数据来源优矿【具体优矿的使用过程看“python_寻找底部股票”博文】 下载的文件存储为industry_list.csv
控制人数据 巨潮-》数据-》专题统计-》股本股东-》实际控制人持股变动
可以直接下载
注意好像非交易日没法打开那我这就不截网站的图了。
下图是下载后的数据 十大流通股东数据
通过akshare获取
akshare文档中 Welcome to AKShare’s Online Documentation! — AKShare 1.10.57 文档
有股票基本面数据的接口
路径数据字典-》股票数据-》基本面数据-》流通股东 注意最好使用python3.8或python3.8以上版本安装akshare包执行接口代码 import akshare as akpre_dir rD:/temp001/code_list [000166,000686,000712,000728,000750,000776,000783,002500,002670,002673,002736,002797,002926,002939,002945,300059,600030,600061,600095,600109,600155,600369,600621,600837,600864,600906,600909,600918,600858,600999,601059,601066,601099,601108,601136,601162,601198,601211,601236,601375,601377,601456,601555,601688,601696,601788,601878,601881,601901,601990,601995]for code in code_list:# 流通股东try:df ak.stock_circulate_stock_holder(symbolcode)df.to_excel(f{pre_dir}流通股东_{code}.xlsx, engineopenpyxl)except Exception as e:print(str(e))print(f{code} 失败)passtime.sleep(5) 开始合并
已知证券股代码列表
1 从行业数据中提取证券股的行业数据
def method_001():res_dir rD:/temp000/def pd_000(x):sec_str x[secID]res_str sec_str.split(.)[0]return res_strindustry_path rD:/temp000/industry_list.csvcode_list [000166,000686,000712,000728,000750,000776,000783,002500,002670,002673,002736,002797,002926,002939,002945,300059,600030,600061,600095,600109,600155,600369,600621,600837,600864,600906,600909,600918,600858,600999,601059,601066,601099,601108,601136,601162,601198,601211,601236,601375,601377,601456,601555,601688,601696,601788,601878,601881,601901,601990,601995]df pd.read_csv(industry_path,encodingutf-8)df df.loc[df[isNew]1].copy()df[ticker00] df.apply(pd_000,axis1)df00 df.loc[df[ticker00].isin(code_list)].copy()df00 df00.loc[:,[ticker00,secShortName,industryName1,industryName2,industryName3]]df00.to_excel(res_dirindustry_000.xlsx,engineopenpyxl)pass
执行后结果 2 合并控制人数据
def method_002():res_dir rD:/temp003/code_list [000166, 000686, 000712, 000728, 000750, 000776, 000783, 002500, 002670, 002673,002736, 002797, 002926, 002939, 002945, 300059, 600030, 600061, 600095, 600109,600155, 600369, 600621, 600837, 600864, 600906, 600909, 600918, 600858, 600999,601059, 601066, 601099, 601108, 601136, 601162, 601198, 601211, 601236, 601375,601377, 601456, 601555, 601688, 601696, 601788, 601878, 601881, 601901, 601990,601995]control_path rD:/temp000/专题统计_实际控制人持股变动.xlsxdf pd.read_excel(control_path,engineopenpyxl)df df.loc[:,[证券代码,实际控制人名称,控股数量(万股),控股比例(%),直接控制人名称,控制类型]].copy()df df.loc[df[证券代码].isin(code_list)].copy()df.to_excel(res_dircontrol_000.xlsx,engineopenpyxl)pass
执行后结果 3 合并十大流通股东
先看下每个股票十大流通股东的数据结构 它是每季度十行数据只取最新一季度的十大流通股东把十行的股东名称转成一个字符串彼此之间用分号隔开
def method_003():code_list [000166, 000686, 000712, 000728, 000750, 000776, 000783, 002500, 002670, 002673,002736, 002797, 002926, 002939, 002945, 300059, 600030, 600061, 600095, 600109,600155, 600369, 600621, 600837, 600864, 600906, 600909, 600918, 600858, 600999,601059, 601066, 601099, 601108, 601136, 601162, 601198, 601211, 601236, 601375,601377, 601456, 601555, 601688, 601696, 601788, 601878, 601881, 601901, 601990,601995]# pre_dir 十大流通股东文件存储的文件夹pre_dir rD:/temp000/000/results_list []for code in code_list:print(code)file_name f流通股东_{code}.xlsxfile_path pre_dir file_namedf pd.read_excel(file_path,engineopenpyxl)# 取最新的一次十大流通股东df df.iloc[0:10].copy()holders df[股东名称].values.tolist()holders_str ;.join(holders)date df.iloc[0][截止日期]results_list.append({ticker:code,date:date,circulation_holders:holders_str})passres_df pd.DataFrame(results_list)res_df.to_excel(D:/temp003/holders_000.xlsx,engineopenpyxl)pass 执行结果 4 把三个结果按列合并
def method_004():one_path rD:/temp003/industry_000.xlsxtwo_path rD:/temp003/control_000.xlsxthree_path rD:/temp003/holders_000.xlsxdf_one pd.read_excel(one_path,engineopenpyxl,converters{ticker00:str})df_two pd.read_excel(two_path,engineopenpyxl,converters{证券代码:str})df_three pd.read_excel(three_path,engineopenpyxl,converters{ticker:str})df00 pd.merge(df_one,df_two,howinner,left_onticker00,right_on证券代码)df01 pd.merge(df00,df_three,howinner,left_onticker00,right_onticker)df01.to_excel(rD:/temp003/res_000.xlsx,engineopenpyxl)pass 最终结果 把数据都合并到一个表后就可以进行下一步的分析了。
