本文的原文连接是: http://blog.csdn.net/freewebsys/article/details/50904965 未经博主允许不得转载。
博主地址是：http://blog.csdn.net/freewebsys
1，关于股票数据存储
股票数据比较特殊，需要做数据统计的。都需要一次进行批量查询多个数据，然后进行分析。
所以股票数据不一定要放到数据库中存储。因为一般就两个维度。
那只股票，和那天的股票信息，然后使用模型进行分析预测。
所以数据可以存储为：/data/stock/yyyy/yyyMM/yyyyMMdd.hdf5
存储的数据是hdf5：
Hierarchical Data Format，可以存储不同类型的图像和数码数据的文件格式
2，安装hdf5库
复制代码
1
2
3
4
#首先安装hdf5库
yum -y install hdf5 hdf5-devel
pip install unittest2
pip install --upgrade tables3，测试读写hdf5文件
参考pytables官方文档。
http://www.pytables.org/usersguide/tutorials.html
这里使用的是pandas封装的接口直接使用，而不是使用tables。
复制代码
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
# python
Python 2.6.6 (r266:84292, Jul 23 2015, 15:22:56)
[GCC 4.4.7 20120313 (Red Hat 4.4.7-11)] on linux2
Type "help", "copyright", "credits" or "license" for more information.
>>> import numpy as np
>>> import pandas as pd
###su
>>> a = np.random.standard_normal((9,4))
>>> b = pd.DataFrame(a)
>>> b.columns = [['num1','num2','num3','num4']]
>>> a
array([[-2.36198849, -1.27547933, -1.40351822, -0.6638619 ],
[ 1.89159066, -0.31838519, -0.2065942 , -1.02327987],
[-2.02771503, -0.81333254, -0.93644288, -0.91592467],
[-1.3939496 , 0.25899342, 1.11591841, -0.7423286 ],
[-1.05104415, -0.79069151, -1.46536873, -0.01449547],
[ 1.32483444, 0.32030117, -1.23575344, 0.51455106],
[ 0.91297435, 0.43242834, 1.77235337, 1.14879289],
[ 0.93476429, 0.18592698, 0.30198234, -0.61861642],
[ 0.04462872, -0.99275411, -0.86382085, -1.53064223]])
>>> b
num1 num2 num3 num4
0 -2.361988 -1.275479 -1.403518 -0.663862
1 1.891591 -0.318385 -0.206594 -1.023280
2 -2.027715 -0.813333 -0.936443 -0.915925
3 -1.393950 0.258993 1.115918 -0.742329
4 -1.051044 -0.790692 -1.465369 -0.014495
5 1.324834 0.320301 -1.235753 0.514551
6 0.912974 0.432428 1.772353 1.148793
7 0.934764 0.185927 0.301982 -0.618616
8 0.044629 -0.992754 -0.863821 -1.530642
>>> b.sum()
num1 -1.725905
num2 -2.992993
num3 -2.921244
num4 -3.845805
dtype: float64
>>> b.mean()
num1 -0.191767
num2 -0.332555
num3 -0.324583
num4 -0.427312
dtype: float64
###写hdf5文件：
>>> h5 = pd.HDFStore('/data/stock/test1.h5','w')
>>> h5['data'] = b
>>> h5.close()
>>>
>>> b
num1 num2 num3 num4
0 -2.361988 -1.275479 -1.403518 -0.663862
1 1.891591 -0.318385 -0.206594 -1.023280
2 -2.027715 -0.813333 -0.936443 -0.915925
3 -1.393950 0.258993 1.115918 -0.742329
4 -1.051044 -0.790692 -1.465369 -0.014495
5 1.324834 0.320301 -1.235753 0.514551
6 0.912974 0.432428 1.772353 1.148793
7 0.934764 0.185927 0.301982 -0.618616
8 0.044629 -0.992754 -0.863821 -1.530642
###读hdf5文件。
>>> h5 = pd.HDFStore('/data/stock/test1.h5','r')
>>> c = h5['data']
>>> c
num1 num2 num3 num4
0 -2.361988 -1.275479 -1.403518 -0.663862
1 1.891591 -0.318385 -0.206594 -1.023280
2 -2.027715 -0.813333 -0.936443 -0.915925
3 -1.393950 0.258993 1.115918 -0.742329
4 -1.051044 -0.790692 -1.465369 -0.014495
5 1.324834 0.320301 -1.235753 0.514551
6 0.912974 0.432428 1.772353 1.148793
7 0.934764 0.185927 0.301982 -0.618616
8 0.044629 -0.992754 -0.863821 -1.530642
>>> h5.close()4，TuShare读取股票数据存储
复制代码
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
>>> import tushare as ts
>>> d = ts.get_tick_data('600848',date='2015-01-09')
>>> type(d)
<class 'pandas.core.frame.DataFrame'>
>>> len(d)
1212
###保存数据
>>> h5 = pd.HDFStore('/data/stock/test2.h5','w')
>>> h5['data'] = d
>>> h5.close()
>>>
>>>
###读取数据
>>> h5 = pd.HDFStore('/data/stock/test2.h5','r')
>>> e = h5['data']
>>> h5.close()
>>>
>>> type(e)
<class 'pandas.core.frame.DataFrame'>
>>> len(e)
12125，总结
本文的原文连接是: http://blog.csdn.net/freewebsys/article/details/50904965 未经博主允许不得转载。
博主地址是：http://blog.csdn.net/freewebsys
使用文件直接存储到本地还是非常方便的。pandas直接封装的函数3行解决问题。
同时pandas封装的读出数据还是数组，可以直接进行操作。灰常方便。
最后
以上就是曾经钢笔最近收集整理的关于TuShare（2）：使用TuShare，抓取股票数据并存储到数据库的全部内容，更多相关TuShare（2）：使用TuShare内容请搜索靠谱客的其他文章。
本图文内容来源于网友提供，作为学习参考使用，或来自网络收集整理，版权属于原作者所有。
发表评论 取消回复