baostock，一个实用的 Python 库！

大家好，我是涛哥，本文内容来自 涛哥聊Python ，转载请标原创。

今天为大家分享一个实用的 Python 库 - baostock。

项目地址：https://pypi.org/project/baostock/

---

在金融数据分析和量化交易中，获取准确及时的市场数据是非常重要的。baostock 是一个专门为中国股市数据提供支持的 Python 库，它提供了免费的股票数据接口，用户可以方便地获取股票、指数、基金等各种金融数据。本文将详细介绍 baostock 库，包括其安装方法、主要特性、基本和高级功能，以及实际应用场景，帮助全面了解并掌握该库的使用。

安装

要使用 baostock 库，首先需要安装它。可以通过 pip 工具方便地进行安装。

以下是安装步骤：

pip install baostock

安装完成后，可以通过导入 baostock 库来验证是否安装成功：

import baostock as bs
print("baostock 库安装成功！")

特性

1. 免费提供：baostock 提供免费的金融数据接口，适合个人和小型团队的研究和开发。
2. 数据丰富：支持获取股票、指数、基金等多种金融数据，包括历史数据和实时数据。
3. 简单易用：提供简洁的 API，使用户能够方便地获取和处理金融数据。
4. 高效稳定：采用高效的数据传输和处理机制，保证数据获取的稳定性和可靠性。

基本功能

登录和登出

在使用 baostock 库获取数据之前，需要先进行登录操作。

import baostock as bs

# 登录系统
lg = bs.login()
# 显示登录返回信息
print('login respond error_code:' + lg.error_code)
print('login respond  error_msg:' + lg.error_msg)

# 登出系统
bs.logout()

获取股票历史数据

使用 baostock 库，可以方便地获取股票的历史数据。

import baostock as bs
import pandas as pd

# 登录系统
lg = bs.login()

# 获取股票历史数据
rs = bs.query_history_k_data_plus("sh.600000",
    "date,code,open,high,low,close,preclose,volume,amount,adjustflag",
    start_date='2022-01-01', end_date='2022-12-31', 
    frequency="d", adjustflag="3")
print('query_history_k_data_plus respond error_code:' + rs.error_code)
print('query_history_k_data_plus respond  error_msg:' + rs.error_msg)

# 打印结果集
data_list = []
while (rs.error_code == '0') & rs.next():
    # 获取一条记录，将记录合并在一起
    data_list.append(rs.get_row_data())
result = pd.DataFrame(data_list, columns=rs.fields)
# 结果集输出到csv文件
result.to_csv("history_k_data.csv", index=False)
print(result)

# 登出系统
bs.logout()

获取实时行情数据

baostock 库也可以获取股票的实时行情数据。

import baostock as bs

# 登录系统
lg = bs.login()

# 获取实时行情数据
rs = bs.query_real_time_price("sh.600000")
print('query_real_time_price respond error_code:' + rs.error_code)
print('query_real_time_price respond  error_msg:' + rs.error_msg)

# 打印结果集
data_list = []
while (rs.error_code == '0') & rs.next():
    # 获取一条记录，将记录合并在一起
    data_list.append(rs.get_row_data())
result = pd.DataFrame(data_list, columns=rs.fields)
print(result)

# 登出系统
bs.logout()

高级功能

获取股票分红数据

baostock 库可以获取股票的分红数据。

import baostock as bs
import pandas as pd

# 登录系统
lg = bs.login()

# 获取股票分红数据
rs = bs.query_dividend_data(code="sh.600000", year="2022")
print('query_dividend_data respond error_code:' + rs.error_code)
print('query_dividend_data respond  error_msg:' + rs.error_msg)

# 打印结果集
data_list = []
while (rs.error_code == '0') & rs.next():
    data_list.append(rs.get_row_data())
result = pd.DataFrame(data_list, columns=rs.fields)
print(result)

# 登出系统
bs.logout()

获取宏观经济数据

baostock 库还可以获取一些宏观经济数据。

import baostock as bs
import pandas as pd

# 登录系统
lg = bs.login()

# 获取宏观经济数据
rs = bs.query_macro_data(start_date='2022-01-01', end_date='2022-12-31')
print('query_macro_data respond error_code:' + rs.error_code)
print('query_macro_data respond  error_msg:' + rs.error_msg)

# 打印结果集
data_list = []
while (rs.error_code == '0') & rs.next():
    data_list.append(rs.get_row_data())
result = pd.DataFrame(data_list, columns=rs.fields)
print(result)

# 登出系统
bs.logout()

获取行业分类数据

baostock 库还提供了获取行业分类数据的功能。

import baostock as bs
import pandas as pd

# 登录系统
lg = bs.login()

# 获取行业分类数据
rs = bs.query_stock_industry()
print('query_stock_industry respond error_code:' + rs.error_code)
print('query_stock_industry respond  error_msg:' + rs.error_msg)

# 打印结果集
data_list = []
while (rs.error_code == '0') & rs.next():
    data_list.append(rs.get_row_data())
result = pd.DataFrame(data_list, columns=rs.fields)
print(result)

# 登出系统
bs.logout()

实际应用场景

量化交易策略开发

在量化交易策略开发中，需要获取大量的历史数据进行回测和分析。

import baostock as bs
import pandas as pd

# 登录系统
lg = bs.login()

# 获取股票历史数据
rs = bs.query_history_k_data_plus("sh.600000",
    "date,code,open,high,low,close,volume",
    start_date='2022-01-01', end_date='2022-12-31',
    frequency="d", adjustflag="3")
data_list = []
while (rs.error_code == '0') & rs.next():
    data_list.append(rs.get_row_data())
df = pd.DataFrame(data_list, columns=rs.fields)

# 简单移动平均策略
df['MA10'] = df['close'].rolling(window=10).mean()
df['MA20'] = df['close'].rolling(window=20).mean()
df['Signal'] = 0
df['Signal'][df['MA10'] > df['MA20']] = 1
df['Signal'][df['MA10'] <= df['MA20']] = 0

print(df)

# 登出系统
bs.logout()

股票筛选和分析

在股票筛选和分析中，需要获取实时的股票数据，并根据一些指标进行筛选。

import baostock as bs
import pandas as pd

# 登录系统
lg = bs.login()

# 获取实时行情数据
rs = bs.query_real_time_price("sh.600000")
data_list = []
while (rs.error_code == '0') & rs.next():
    data_list.append(rs.get_row_data())
df = pd.DataFrame(data_list, columns=rs.fields)

# 简单筛选策略
selected_stocks = df[df['trade'] > 10]
print(selected_stocks)

# 登出系统
bs.logout()

投资组合分析

在投资组合分析中，需要获取多个股票的历史数据，并计算投资组合的收益和风险。

import baostock as bs
import pandas as pd

# 登录系统
lg = bs.login()

# 获取股票历史数据
stocks = ["sh.600000", "sh.600004", "sh.600006"]
data = {}
for stock in stocks:
    rs = bs.query_history_k_data_plus(stock,
        "date,code,close",
        start_date='2022-01-01', end_date='2022-12-31',
        frequency="d", adjustflag="3")
    data_list = []
    while (rs.error_code == '0') & rs.next():
        data_list.append(rs.get_row_data())
    df = pd.DataFrame(data_list, columns=rs.fields)
    data[stock] = df['close'].astype(float).pct_change().dropna()

# 计算投资组合收益和风险
portfolio = pd.DataFrame(data)
mean_returns = portfolio.mean()
cov_matrix = portfolio.cov()

print("投资组合收益：\n", mean_returns)
print("投资组合风险：\n", cov_matrix)

# 登出系统
bs.logout()

总结

baostock 库是一个功能强大且易于使用的金融数据获取工具，能够帮助开发者和投资者高效地获取和处理中国股市的数据。通过支持多种数据类型、简洁的 API 和高效的传输机制，baostock 库能够满足各种复杂的金融数据分析需求。本文详细介绍了 baostock 库的安装方法、主要特性、基本和高级功能，以及实际应用场景。希望本文能帮助大家全面掌握 baostock 库的使用，并在实际项目中发挥其优势。