你如何从雅虎财经中提取每周历史数据？答案

【问题标题】：How do you pull WEEKLY historical data from yahoo finance?你如何从雅虎财经中提取每周历史数据？
【发布时间】：2014-01-02 07:00:06
【问题描述】：

import datetime   
import pandas.io.data

sp  =  pd.io.data.get_data_yahoo('^IXIC',start = datetime.datetime(1972, 1, 3),
                       end = datetime.datetime(2010, 1, 3))

我使用了上面的示例，但是当我想每周提取时，它只是将 DAILY 数据提取到数据框中。 get_data_yahoo 似乎没有一个参数，您可以从每天、每周或每月中进行选择，就像雅虎本身提供的选项一样。您知道的任何其他软件包或想法可能有助于实现这一点？

【问题讨论】：

为什么需要每周通过数据？如果你白天拥有它，你不应该能够进行适当的聚合。你能提供一些关于最终结果应该是什么的见解吗？可能有助于提出更合适的建议。
因此，如果您查看此链接：finance.yahoo.com/q/…，您将看到有每日、每周、每月选项。我想将每周数据放入数据框中。

标签： python pandas time-series yahoo-finance

【解决方案1】：

您可以随时重新索引到您想要的频率：

sp.reindex( pd.date_range( start=sp.index.min( ),
                           end=sp.index.max( ),
                           freq='W-WED' ) )  # weekly, Wednesdays

编辑：您可以添加, method='ffill' 以转发填充NaN 值。

作为建议，请选择星期三，因为这往往具有最少的缺失值。（即周三纽约证券交易所假期减少）。我认为雅虎每周数据给出了每周一的股价，这是基于 2000 年以来标准普尔数据的最差每周频率：

import pandas.io.data as web
sp = web.DataReader("^GSPC", "yahoo", start=dt.date( 2000, 1, 1 ) )

weekday = { 0:'MON', 1:'TUE', 2:'WED', 3:'THU', 4:'FRI' }
sp[ 'weekday' ] = list( map( weekday.get, sp.index.dayofweek ) )
sp.weekday.value_counts( )

输出：

WED    722
TUE    717
THU    707
FRI    705
MON    659

【讨论】：

【解决方案2】：

一种选择是在您想要的星期几进行屏蔽。

sp[sp.index.dayofweek == 0]

另一种选择是重新采样。

sp.resample('W', how='mean')

【讨论】：

【解决方案3】：

您可以使用asfreq 方法进行下采样：

sp = sp.asfreq('W-FRI', method='pad')

pad 方法将向前传播最后一个有效观察。

使用resample（如@tshauck 所示）是另一种可能性。如果您想保证下采样中的值是在原始数据集中找到的值，请使用 asfreq。如果您希望从原始数据集中聚合行组（例如，通过取平均值），请使用 resample。如果原始数据集在重新索引指定的日期没有值，reindex 可能会引入 NaN 值——尽管（正如@behzad.nouri 指出的那样）您也可以使用method=pad 在这里传播最后的观察结果。

【讨论】：

【解决方案4】：

如果你在 github 上查看最新的 pandas source code，你会看到间隔参数包含在最新的 master 分支中。您可以通过覆盖 Site-Packages/pandas/io 文件夹下的相同 data.py 来手动修改本地副本

【讨论】：

【解决方案5】：

这就是我将每日价格数据转换为每周价格数据的方式：

import datetime
import pandas as pd
import pandas_datareader.data as web

start = datetime.datetime(1972, 1, 3)
end = datetime.datetime(2010, 1, 3)

stock_d = web.DataReader('^IXIC', 'yahoo', start, end)

def week_open(array_like):
    return array_like[0]

def week_close(array_like):
    return array_like[-1]

stock_w = stock_d.resample('W',
                    how={'Open': week_open, 
                         'High': 'max',
                         'Low': 'min',
                         'Close': week_close,
                         'Volume': 'sum'}, 
                    loffset=pd.offsets.timedelta(days=-6))

stock_w = stock_w[['Open', 'High', 'Low', 'Close', 'Volume']]

【讨论】：