请　[注册]　或　[登录]　 | 返回主站

量化交易吧 /  量化平台 帖子：3364712 新帖：0

将在本地获取jqdata的数据保存为sql数据库,并读取数据的方法

Peace发表于：5 月 10 日 00：55回复(1)

如何将本地获取jqdata的数据保存为sql数据库文件呢？
简单粗暴直接上代码，使用的是python自带的sqlite3数据库，比较轻便！

import jqdatasdk as jq  
from sqlalchemy import create_engine #sqlalchemy是Python自带的与数据库联结的包，导入创建数据库联结的函数
import sqlite3   #导入python自带数据库sqlite3
import pandas as pd  

jq.auth('admin','passpords')

ADDR = 'sqlite:///jqstockdata.db'     # 使用sqlite，当前目录的jqstockdata.db作为数据库文件

engine = create_engine(ADDR)  #创建jqstockdata.db文件

Stocks = list(jq.get_all_securities(['stock']).index)  #获取所有股票代码

connect=sqlite3.connect('jqStockdata.db')    #与数据库建立链接


def save(stocks):     #构建函数

    print("save code:",stocks)  #打印数据保存成功的股票代码
    try:
        df = jq.get_price(stocks, start_date='start_date', end_date='end_data',frequency='1d',skip_paused=True,fq='pre') #获取股票数据


        name =stocks   #以股票代码为数据库表名
        df.to_sql(name, conn2, if_exists='append')  #将数据写入数据库
    except:
        print(code, " save failed")  #打印保存失败的股票代码

for i in range(0, len(Stocks)):
    save(Stocks[i])

数据保存好之后我们如何获取数据呢？也很简单，请看下面代码

import sqlite3
 import pandas as pd
conn=sqlite3.connect('jqstockdata.db')
df=pd.read_sql('select  * from "{}"'.format('股票代码'),index_col = 'index',con= conn )   

df.index= pd.to_datetime(df.index,format='%Y-%m-%d')   #改变一下读取后的数据日期格式

具体效果我用研究模块直接展示一下

from sqlalchemy import create_engine #注1 sqlalchemy是Python自带的与数据库联结的包，导入创建数据库联结的函数
import sqlite3 
import pandas as pd 

# import jqdatasdk as jq本地获取
#jq.auth('admin','passpords')
ADDR = 'sqlite:///jqstockdata.db' 	# 使用sqlite，当前目录的stock.db作为数据库文件

engine = create_engine(ADDR)

Stocks = list(get_all_securities(['stock']).index)  

conn=sqlite3.connect('jqstockdata.db') 


def save(stocks):

	
	print("save code:",stocks)
	try:
		df = get_price(stocks, start_date='2018-10-29', end_date='2018-11-02',frequency='1d',skip_paused=True,fq='pre')
		#本地获取改为jq.get_price
		
		name =stocks
		df.to_sql(name, conn, if_exists='append')
	except:
		print(stocks, " save failed")
 
for i in range(0, 15):
	save(Stocks[i])
    

save code: 000001.XSHE
save code: 000002.XSHE
save code: 000004.XSHE
save code: 000005.XSHE
save code: 000006.XSHE
save code: 000007.XSHE
save code: 000008.XSHE
save code: 000009.XSHE
save code: 000010.XSHE
save code: 000011.XSHE
save code: 000012.XSHE
save code: 000014.XSHE
save code: 000016.XSHE
save code: 000017.XSHE
save code: 000018.XSHE

conn=sqlite3.connect('jqstockdata.db') 

df=pd.read_sql('select  * from "{}"'.format('000001.XSHE'),index_col = 'index',con= conn )


df.index= pd.to_datetime(df.index,format='%Y-%m-%d')
print(df)

             open  close   high    low       volume         money
index                                                            
2018-10-29  11.20  10.75  11.24  10.62  159162878.0  1.725932e+09
2018-10-30  10.78  10.90  11.08  10.73  150182786.0  1.641372e+09
2018-10-31  10.95  10.91  10.99  10.75  115268379.0  1.252157e+09
2018-11-01  10.99  10.83  11.05  10.76  154277632.0  1.679443e+09
2018-11-02  11.04  11.09  11.16  10.83  221292287.0  2.439179e+09

       

全部回复

0/140

达人推荐

量化课程

    移动端课程