Tushare 行情数据用asyncio实现周k线同步

Python使用Tushare获取日线数据 1. 注册2. 由于Tushare根据积分获得相应数据接口权限, 注册后获取100积分,可通过修改个人资料获20积分,即可获取日线行情数据。 阅读详情

周k线在量化中非常重要 

任务核心

    # ----------------- 周k线 ----------------------------------
    async def pro_weekly_bar(self,code):
        logger.info(f'starting:{code}')
        fields='ts_code,trade_date,open,high,low,close,pre_close,change,pct_chg,vol,amount'
        table_name=Settings.STOCKS.WEEKLY_BAR.value  
        tmp=self.weekly_bar.query('ts_code==@code')
        # df = pro.weekly(ts_code='000001.SZ', start_date='20180101', end_date='20181101', fields='ts_code,trade_date,open,high,low,close,vol,amount')
        df = self.pro.weekly(ts_code=code, start_date='20160101', end_date=TimeUtils.fmt_cur_trade_date())
        df =df[::-1]
        # 查找未同步的交易日
        filter=df[~df['trade_date'].isin(tmp['trade_date'])]
        filter.fillna(0,inplace=True)
        return (fields,table_name,filter,code)

    def pro_weekly_bar_callback(self,obj):
        fields,table_name,df,code=obj.result()
        rows,_=df.shape
        if rows>0:
            DBUtils.store(self.db,fields=fields,table_name=table_name,df=df)
        logger.info(f'finish:{code}')

处理回调

    def pro_weekly_bar_callback(self,obj):
        fields,table_name,df,code=obj.result()
        rows,_=df.shape
        if rows>0:
            DBUtils.store(self.db,fields=fields,table_name=table_name,df=df)
        logger.info(f'finish:{code}')

任务创建

    async def pro_weekly_bar_tasks(self):
        # 算法调整 从交易日历中找
        self.weekly_bar=pd.read_sql('select ts_code,trade_date from weekly_bar',self.db)
        # 获取股票代码
        df=pd.read_sql('select ts_code from stock_basic',self.db)
        works=[]
        for symbol in zip(df['ts_code']):
            code,= symbol
            work=asyncio.create_task(self.pro_weekly_bar(code))
            work.add_done_callback(self.pro_weekly_bar_callback)
            works.append(work)
        await asyncio.wait(works) 

股票实时行情API实战:混合架构设计与Python实现 在量化交易和金融数据分析领域,获取稳定、低延迟的实时行情数据是构建策略和工具的基础。其核心原理是通过API接口从数据源获取结构化的市场信息,如价格、成交量等。这项技术的价值在于为自动化交易、风险监控和投资决策提供可靠的数据输入。典型的应用场景包括个人量化策略回测、实时价格监控系统和投资分析工具开发。本文聚焦于解决数据获取中的实时性与稳定性痛点,通过设计一套融合Tushare Pro与新浪财经等数据源的混合架构,并详细阐述了使用Python实现主备切换、错误重试和缓存策略的工程实践,为开发者构建高可用的金融数 阅读详情

相关推荐

Pytdx本地化行情数据接口:从原理到实战的量化数据解决方案

在量化交易和数据分析领域,获取稳定、低延迟的行情数据是基础且关键的环节。其核心原理在于通过本地直连或网络协议,直接从数据源拉取结构化的市场信息,从而避免云端API的延迟和调用限制。这一技术方案的价值在于为开发者提供了对数据流的完全控制权,尤其适用于对实时性、成本可控性要求高的场景,例如盘中监控、高频策略研究以及本地化数据中台构建。本文聚焦于Pytdx这一基于Python的通达信协议客户端,它作为一个高效的本地化行情数据接口,能够无缝获取A股、期货等市场的实时行情、历史K线及财务数据。通过解析其Socket通

weixin_34178244的博客 488

python爬取股票数据并存到数据库

Python 用Tushare接口获取股票数据并存储到Sqlite数据库 使用技术介绍: 关于接口 由于tushare旧版本即将不能用了,所以我们这里使用的是tushare pro 接口。 关于数据库 使用了Sqlite轻量级数据库适合本地使用。 具体实现 Tushare Pro 爬取数据 Pro接口需要前往官网(https://tushare.pro/)注册,并获取token,过程较为繁琐,而本文篇幅有限故将在之后更新获取token文章。 将获取到的token值放进config文件中的tushare

Harry_2002的博客 3862

3种Python股票数据源对比:东方财富 vs AKShare vs TuShare 实时性与稳定性评测

本文深度评测了Python中三种主流股票数据源(东方财富、AKShare、TuShare)的实时性与稳定性,从数据完整性、请求延迟、接口稳定性等维度进行量化对比。结果显示,东方财富原生接口在实时性上表现最佳,而AKShare和TuShare在稳定性和历史数据深度上更具优势。文章还提供了不同场景下的选型建议和优化技巧,帮助开发者高效获取股票实时数据。

weixin_30904593的博客 405

JavaScript学习笔记——本地存储

本地存储 将WEB页面中的数据存放到本地 localStorage 可以永久存放到本地,但是只要清除掉浏览器的缓存,即可删除数据 存数据 localStorage.newsTitle = "跻身前40!中国营商环境全球排名再度提升"; localStorage['author'] = "今日头条"; localStorage.setItem("newsTitle", "123456"); //修改数值,如果没有就创建 console.log(localStorage); 取数据

403 Forbidden 349

深交所股票行情数据API接口构建实战:从数据采集到高性能服务

在金融科技与量化投资领域,数据接口是连接原始数据源与应用系统的关键技术组件。其核心原理在于通过网络协议与数据源通信,将异构数据解析、清洗并转化为标准化的结构化信息。这类接口的技术价值在于为策略研究、风险监控和交易系统提供稳定、高效的数据供给,是构建自动化投资分析体系的基石。典型应用场景包括个人量化分析平台、金融信息App以及学术研究的数据支持。本文聚焦于深交所行情数据接口的工程实践,详细剖析了通过Web Scraping技术从财经网站采集实时行情,并利用FastAPI框架与Redis缓存构建高性能API服务

weixin_30564785的博客 355

Python股票实时价格API接入与实战指南

金融数据分析中,实时股票价格获取是量化交易和投资决策的基础。通过API接口,开发者可以高效接入市场数据流,实现秒级行情监控。Python凭借丰富的生态库如AKShare和Tushare,成为处理金融数据的首选工具。这些技术不仅支持单只股票查询,还能实现批量获取和实时推送,满足从个人投资者到机构团队的不同需求。在金融科技领域,合理使用WebSocket和异步请求技术,可以构建低延迟的监控系统。本文以AKShare和Tushare Pro为例,详解了从环境配置到性能优化的全流程实践,帮助开发者快速构建稳定的数据

weixin_33767813的博客 413

Python数据清洗80%的工作量,看这篇就够了

干净整洁的数据是后续进行研究和分析的基础。数据科学家们会花费大量的时间来清理数据集,毫不夸张地说,数据清洗会占据他们80%的工作时间,而真正用来分析数据的时间只占到20%左右。所以,数据清洗到底是在清洗些什么?通常来说,你所获取到的原始数据不能直接用来分析,因为它们会有各种各样的问题,如包含无效信息,列名不规范、格式不一致,存在重复值,缺失值,异常值等.....如果你在学习P...

weixin_34130389的博客 526

MCP架构实战:模块化AI投研代理的原理与落地

模块化AI代理(Modular AI Agent)是一种将大模型能力解耦为规划、执行与理解三部分的工程范式,其核心在于通过职责分离提升可解释性、可审计性与实时性。相比端到端黑箱模型,MCP架构天然适配金融场景对数据新鲜度、逻辑可追溯和合规可控的刚性需求。它不依赖模型记忆,而是由Controller实时对接权威数据源(如akshare、tushare),由Planner结构化分解任务,再交由Model基于可信数据生成专业洞见。这种设计显著降低幻觉风险,支持单模块热替换与全链路回溯,已在股票基本面分析、技术面验

weixin_33853794的博客 429

python pandas处理股票量化数据:笔记3

pr.daily接口获取tushare日线数据后保存到本地mysql数据库

dangdanding的专栏 540

SpringBoot 中 @RequestMapping 及衍生注解的全面解析与实践

本文全面解析Spring Boot中@RequestMapping及其衍生注解的使用,涵盖核心功能、HTTP方法特定注解(@GetMapping/@PostMapping等)、属性详解(路径/参数/头信息等)以及路径变量处理。文章详细介绍了注解的组合使用、继承特性、版本控制策略等高级应用,并针对405/404等常见错误提供解决方案。通过学习这些注解的规范用法,开发者能够构建符合RESTful风格的API接口,提升代码可读性和可维护性。建议优先使用HTTP方法特定注解,合理规划URL结构,并注意避免路径冲突。

Java&AI小吕布的博客 2037

电力电子技术(13)——大功率可控整流电路

目录引言2.6.1 带平衡电抗器的双反星形可控整流电路电路结构的特点接平衡电抗器的原因平衡电抗器使得两组三相半波整流电路同时导电的原理分析谐波分析2.6.2 多重化整流电路概述原理目标1)移相多重联结2)多重联结电路的顺序控制3重晶闸管整流桥顺序控制带平衡电抗器的双反星形可控整流电路(是多重化整流电路的重要形式之一)的特点:适用于低电压、大电流的场合。多重化整流电路的特点:绕组的极性相反的目的:消除直流磁通势如图所示,虽然两组相电流的瞬时值不同,但是平均电流相等而绕组的极性相反,所以直流安匝(电流*匝数)互

weixin_45589295的博客 1万+

股票数据API实战:Python/JS/Java多语言获取与处理指南

在量化投资和金融科技领域,API(应用程序编程接口)是实现程序化数据获取的核心技术。其工作原理是通过预定义的协议和端点,允许软件应用从数据源请求和接收结构化信息。掌握API调用能力的技术价值在于,它使开发者能够构建自主可控的数据管道,摆脱对封闭数据平台的依赖,为策略回测、实时监控和自动化交易系统提供可靠的数据基石。这一能力在股票数据分析、量化策略研究和金融科技应用开发等场景中尤为重要。本文以股票数据获取为具体案例,详细解析了如何使用Python的pandas和Tushare库、JavaScript的Fetc

weixin_34275734的博客 418

泛微ecology9 HRMwebservice接口实战:企业组织架构与人员信息同步指南

本文详细介绍了泛微ecology9 HRMwebservice接口在企业系统集成中的实战应用,重点解析了如何通过该接口实现组织架构与人员信息的双向同步。内容涵盖环境配置、核心接口调用、数据格式规范及常见错误排查,旨在帮助开发与运维工程师高效完成主数据同步,提升企业IT管理效率。

weixin_29323365的博客 498

Python量化交易:期货K线数据处理与指标计算实战

时间序列数据处理是量化交易的基础环节,其中K线数据作为市场行为的直观反映,包含了开盘价、最高价、最低价和收盘价等核心维度。通过Pandas等工具进行高效处理,可以实现数据清洗、特征计算等关键步骤。在金融工程领域,技术指标如移动平均线(MA)、MACD和ATR等,能够有效捕捉市场趋势和波动特征。本项目以期货市场为应用场景,详细展示了如何使用Python构建完整的K线数据处理流水线,包括数据获取、清洗、指标计算等关键环节,并针对期货交易特有的T+0机制、合约切换等问题提供了解决方案。通过向量化计算和并行处理等技

weixin_33919950的博客 435

结合 Conda 手动安装 RepeatMasker

RepeatMasker 是一个广泛使用的生物信息学工具,用于识别和屏蔽(mask)基因组序列中的 重复序列(repeats) 。在使用过程中需要调用重复序列数据库(Repbase 和 Dfam),如果使用Conda安装的话会出现许多问题,因此推荐手动安装。在此记录我手动安装RepeatMasker的流程,希望对各位同学有所帮助。

m0_65437087的博客 2535

制作你自己的yolov5数据集并进行训练

项目地址:make-your-yolov5_dataset 一、数据集标注软件 labelImg labelMe 精灵标注助手 更多的标注工具你可以去看:深度学习图像标注工具汇总 、 十个最常用深度学习图像/视频数据标注工具 、 百度一下 在这里我选择使用labelImg 二、数据集标注 下载labelImg 解压,直接打开labelimg.exe labelImg标注数据 标注完成后即可获得VOC格式(生成.xml文件)的数据 目录结构: dataset │ ├─Annotations .

年少的勇气已经用完,剩下的就是三思而后行 1万+

PaddleDetection 版面分析实战:基于 PicoDet 与 FGD 蒸馏的文档区域检测

版面分析(Layout Analysis)指对图片形式的文档进行区域划分,定位其中的文字、标题、表格、图片等关键区域,是文档解析、OCR 预处理、智能排版与知识库抽取等场景的基础能力。本文基于 PaddleDetection 仓库中 [configs/picodet/legacy_model/application/layout_analysis/README.md](https://link.g

gitblog_00215的博客 721

基于Simscape的双PID比例调速阀与比例溢流阀液压控制系统建模与仿真

本文提出了一种基于Simscape的双PID液压控制系统建模方法,通过比例调速阀和比例溢流阀实现液压缸速度与压力的解耦控制。系统采用Simscape Fluids物理建模,精确模拟液压元件非线性特性。文章详细介绍了液压被控对象建模过程,包括动力单元、比例阀组合建模、执行机构及传感器配置。同时设计了双PID控制器架构,分别控制速度环和压力环,并给出参数整定建议。该方法通过物理网络直接模拟流体流动和压力动态,相比传统传递函数法具有更高精度,为液压系统仿真提供了有效解决方案。

AI的内部世界的博客 284

实战指南:用MOOTDX打造你的专属股票数据接口

还在为获取股票数据而烦恼吗?🤔 每次想分析市场行情,要么接口复杂难用,要么费用高昂让人望而却步?今天我要分享一个开源利器——MOOTDX通达信数据接口,它能让你像搭积木一样轻松构建自己的量化分析系统。MOOTDX作为Python开源工具,帮你轻松对接通达信数据源,实现量化投资零门槛入门。 想象一下这样的场景:你正在开发一个股票分析工具,需要实时获取茅台股价、历史K线数据、财务报告,但市面上的A

gitblog_00641的博客 618

刷机维修进阶教程-----adb禁用错了系统app导致无法开机 如何保数据无损恢复机型

在刷机维修过程中 。我们会遇到一些由于客户使用adb指令来禁用手机app而导致手机无法开机进入系统的故障机型。通常此类问题机型有好几种解决方法。但如果客户需要保数据来恢复机型。其实操作也是很简单的.还有类似误删除应用导致不开机等等如何保数据。  通过博文了解💝💝💝    1💝💝💝----adb禁用或者删除系统app导致无法开机的几种解决方法 2💝💝💝----如何保数据来无损恢复机型 3💝💝💝----其他保数据解决系统类故障无法开机的步骤解析

小马哥的专栏 1352

一个 ABAP 工具,能打印系统里某个用户对 BSP 应用的浏览历史记录

只要一个用户在 SAP ABAP 系统里浏览过 BSP 页面,会留下浏览历史记录。本工具会解析出这些记录,打印出该用户浏览的历史事件,和浏览过的页面名称。

2007 年 ~ 2025 年,深耕 SAP 技术 18 年 546

深度解析Python金融数据接口:MOOTDX专业量化开发实战方案

Python通达信数据接口MOOTDX是金融数据分析和量化投资领域的关键工具,为开发者提供了免费、稳定、高效的A股市场数据获取解决方案。在前80个字内,核心关键词Python通达信数据接口已经出现,这个开源工具让量化开发者无需支付昂贵的商业数据费用,就能获取准确可靠的股票行情、历史K线和财务数据,极大地降低了金融数据获取的技术门槛和成本。 ## 🔍 传统金融数据获取的痛点与MOOTDX的解决方

gitblog_00802的博客 987

迈瑞BS系列全自动生化分析仪LIS协议接口手册(内含HL7和ASTM)

迈瑞BS系列全自动生化分析仪LIS协议接口手册,内含HL7和ASTM)

Python/JS/Java三语言实战:免费获取股票数据与计算技术指标

在量化分析和金融数据应用开发中,稳定、高效地获取和处理股票数据是核心基础。其原理通常涉及通过网络API或爬虫技术,从财经门户、开源数据包或交易所官方渠道采集行情、K线及基本面信息。这项技术的价值在于,它为个人研究者和开发者提供了低成本启动量化策略回测、构建数据驱动型应用的能力,打破了传统金融数据服务的高昂壁垒。在实际应用场景中,开发者常需根据项目需求,选择Python进行快速数据分析,使用JavaScript构建实时数据服务,或采用Java开发高并发后端系统。本文聚焦于通过Python的akshare库、N

weixin_30263073的博客 640

计算机控制技术及应用

《计算机控制技术及应用》通过总结作者的科研成果和吸收国内外的先进理论、方法和技术,以计算机控制系统的网络化、开放化、智能化和集成化发展趋势为主线索,主要介绍计算机控制系统的基本概念和计算机控制系统的典型形式,计算机控制系统的数学描述与基本分析方法,以及数字PID控制器、最少拍控制系统、达林算法、状态变量设计法等设计方法及其各种改进算法。重点突出计算机控制系统输入输出通道接口的设计方法和典型控制系统的设计案例与实现方法等。

TMS_WebGMaps_1.9.8.0_Full_Source

TMS_WebGMaps_1.9.8.0_Full_Source 全源码 delphi cbuilder

深入解析mootdx:高性能通达信数据读取架构设计与实现原理

mootdx作为Python通达信数据读取接口,为金融数据分析提供了零成本、高效率的数据获取方案。该项目通过直接读取本地通达信数据文件格式,支持A股、港股、期货、基金等全市场数据,无需安装通达信软件即可实现离线数据读取、实时行情获取和财务数据解析三合一功能。针对量化交易、市场监控和财务分析等场景,mootdx采用模块化架构设计,结合智能连接机制和高效缓存策略,在数据获取效率、系统稳定性和开发便捷性

gitblog_00045的博客 494

Camera2Demo

在Camera2 的基础上进行封装,使得Camera2一堆初始化逻辑与Activity分离,降低耦合度,完成预览拍照并保存的操作

Python数据科学实战:从基础到进阶的14个关键问题解析

数据科学作为当今最热门的技术领域之一,其核心在于通过算法和工具从数据中提取价值。Python凭借其丰富的生态系统(如Pandas、NumPy、Scikit-learn等库)成为数据科学的首选语言。这些工具基于向量化计算和高效内存管理等原理,显著提升了数据处理效率。在工程实践中,Python的'胶水语言'特性使其能够整合C/C++高性能代码,满足大规模数据处理需求。典型应用场景包括金融分析(如使用akshare获取股票数据)、机器学习建模(通过Scikit-learn实现分类预测)以及交互式数据分析(借助Ju

WGH100817的博客 631

Python通达信数据读取完整指南:Mootdx解锁金融量化分析新境界

在金融量化分析领域,获取高质量、结构化的市场数据一直是开发者和分析师面临的核心挑战。传统的数据获取方式要么依赖昂贵的商业接口,要么需要复杂的格式转换过程,这为Python量化分析设置了较高的技术门槛。今天,我们将深入探讨一个专业的Python金融数据分析工具——Mootdx,它通过简洁高效的封装,让你能够直接读取通达信本地数据文件,为量化投资和金融分析提供强大的数据支持。 ## 1. 项目定位与

gitblog_00565的博客 438
上一篇: kuboard-v3 ingress 实现k8s服务暴露
下一篇: 最新版Jenkins 2.526 Role-based Authorization Strategy
恒云客
博客等级 码龄18年 45粉丝 126原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

恒云客

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值