In [ ]:

    

import QUANTAXIS as QA


    

In [ ]:

    

"""
在讨论完QA_fetch_get系列以后 我们主要考虑的是从本地获取数据并进行分析

QA_fetch_xxx_adv系列

"""


    

In [ ]:

    

# 首先进行数据获取 多个股票的日线数据

#QA.QA_fetch_stock_day_adv("000001",'2017-01-01','2017-11-30')
data=QA.QA_fetch_stock_day_adv(["000001",'000002','000004'],'2017-01-01','2017-11-30')

print(data)


    

In [ ]:

    

# 一些基础的值

data.open
data.close
data.high
data.low
data.date
data.datetime
data.code


    

In [ ]:

    

# 对数据进行复权处理

#data=data.to_hfq() # 批量后复权
data=data.to_qfq() # 批量前复权


    

In [ ]:

    

# 查看数据
# 有三种方式查看数据

data.show()
data()
data.data
# 一般我们推荐直接用()的方式查看数据 这个数据是Pandas.Dataframe格式


    

In [ ]:

    

# 数据翻转 .reverse()
reversed_data=data.reverse()
print(reversed_data)
print(reverse_data())


    

In [ ]:

    

# 数据查询 .query()
data.query('date=="2017-01-03"')


    

In [ ]:

    

# 数据筛选- 选取某一只股票的数据 select_code
data.select_code('000001')
print(data.select_code('000001')())


    

In [ ]:

    

# 数据筛选- 选取某一段时间内的数据
res=data.select_time('2017-01-01','2017-01-31')
print(res.data)
# 如果end设置为空,则获取到从start开始至今的所有数据
res=data.select_time('2017-11-01')
print(res.data)


    

In [ ]:

    

# 数据筛选 - 选取某一个时间点向前向后的数据
# method
# lt 小于 <
# lte 小于等于  <=
# gt 大于 >
# gte 大于等于 >=
# e 等于 ==
res=data.select_time_with_gap(gap=5,method='lte',time='2017-01-31')
print(res.data)


    

In [ ]:

    

# 数据筛选 - 拿到某一天的股票数据
# if_trade的作用是  如果if_trade=False 则遇到停牌时 会返回最后一个交易日的bar
res=data.get_bar(code='000001',time='2017-01-20',if_trade=True)
print(res.data)


    

In [ ]:

    

# 数据切面 pivot

res=data.pivot('open')
print(res)


    

In [ ]:

    

# 对数据块应用函数 add_func
# 一般是配合指标函数去计算指标

# QA.QA_indicator_ATR  ATR指标

res=data.add_func(QA.QA_indicator_ATR,10)
print(res)


    

In [ ]:

    

# 格式转换 to_dict, to_list, to_numpy
res=data.to_dict()
print(res)
res=data.to_list()
print(res)
res=data.to_numpy()
print(res)


    

In [ ]:

    

# 画图

data.plot('000001') #画某一只股票
data.plot()  #画全部股票