从 yahoo Finance python 一次下载多只股票

Question

我对使用 pandas 数据阅读器的 yahoo Finance 的功能有疑问。我已经使用了几个月的股票代码列表并在以下行中执行它：

import pandas_datareader as pdr
import datetime

stocks = ["stock1","stock2",....]
start = datetime.datetime(2012,5,31)
end = datetime.datetime(2018,3,1)

f = pdr.DataReader(stocks, 'yahoo',start,end)

从昨天开始，我收到错误“IndexError: list index out of range”，仅当我尝试获取多只股票时才会出现。

最近几天有什么变化需要我考虑吗？或者您有更好的解决方案来解决我的问题？

Answer 1

于 2021 年 1 月 19 日更新

• 此时，OP 中的实现可以正常下载多个股票。
• Version: 0.9.0 Date: July 10, 2020
• GitHub: pydata / pandas-datareader

tickers = ['msft', 'aapl', 'twtr', 'intc', 'tsm', 'goog', 'amzn', 'fb', 'nvda']
df = pdr.DataReader(tickers, data_source='yahoo', start='2017-01-01', end='2020-09-28')

原答案

如果您阅读 Pandas DataReader 的 documentation，他们会立即对多个数据源 API 进行折旧，其中之一是 Yahoo!财务。

v0.6.0（2018 年 1 月 24 日）

立即弃用 Yahoo!、Google Options 和 Quotes 和 EDGAR。 这些 API 背后的端点发生了根本性的变化，并且 现有的读者需要完全重写。对于大多数 Yahoo! 数据端点已被删除。 PDR 想恢复这些 功能和拉取请求是受欢迎的。

这可能是导致您收到IndexError（或任何其他通常不存在的错误）的罪魁祸首。

---

但是，还有另一个 Python 包，其目标是修复对 Yahoo! 的支持。 Pandas DataReader 的财务，您可以在此处找到该软件包：

https://pypi.python.org/pypi/fix-yahoo-finance

根据他们的文档：

Yahoo! finance 已停用其历史数据 API，导致许多依赖它的程序停止工作。

fix-yahoo-finance 通过从 Yahoo! 抓取数据来临时解决问题。使用和返回 Pandas 融资 与 pandas_datareader 格式相同的 DataFrame/Panel get_data_yahoo().

基本上是“劫持”pandas_datareader.data.get_data_yahoo() 方法，fix-yahoo-finance的植入很容易，只需要 将fix_yahoo_finance 导入到您的代码中。

您只需要添加以下内容：

from pandas_datareader import data as pdr
import fix_yahoo_finance as yf

yf.pdr_override() 

stocks = ["stock1","stock2", ...]
start = datetime.datetime(2012,5,31)
end = datetime.datetime(2018,3,1)

f = pdr.get_data_yahoo(stocks, start=start, end=end)

甚至不需要 Pandas DataReader：

import fix_yahoo_finance as yf

stocks = ["stock1","stock2", ...]
start = datetime.datetime(2012,5,31)
end = datetime.datetime(2018,3,1)
data = yf.download(stocks, start=start, end=end)

Answer 2

您可以使用带有 pandas 的新 Python YahooFinancials 模块来执行此操作。 YahooFinancials 构建良好，通过散列每个 Yahoo Finance Web 页面中存在的数据存储对象来获取数据，因此它速度很快，并且不依赖于旧的已停产的 API，也不依赖像爬虫那样的 Web 驱动程序。数据以 JSON 格式返回，您可以通过传入股票/指数代码列表来初始化 YahooFinancials 类，从而一次提取任意数量的股票。

$ pip install yahoofinancials

用法示例：

from yahoofinancials import YahooFinancials
import pandas as pd

# Select Tickers and stock history dates
ticker = 'AAPL'
ticker2 = 'MSFT'
ticker3 = 'INTC'
index = '^NDX'
freq = 'daily'
start_date = '2012-10-01'
end_date = '2017-10-01'


# Function to clean data extracts
def clean_stock_data(stock_data_list):
    new_list = []
    for rec in stock_data_list:
        if 'type' not in rec.keys():
            new_list.append(rec)
    return new_list

# Construct yahoo financials objects for data extraction
aapl_financials = YahooFinancials(ticker)
mfst_financials = YahooFinancials(ticker2)
intl_financials = YahooFinancials(ticker3)
index_financials = YahooFinancials(index)

# Clean returned stock history data and remove dividend events from price history
daily_aapl_data = clean_stock_data(aapl_financials
                                     .get_historical_stock_data(start_date, end_date, freq)[ticker]['prices'])
daily_msft_data = clean_stock_data(mfst_financials
                                     .get_historical_stock_data(start_date, end_date, freq)[ticker2]['prices'])
daily_intl_data = clean_stock_data(intl_financials
                                     .get_historical_stock_data(start_date, end_date, freq)[ticker3]['prices'])
daily_index_data = index_financials.get_historical_stock_data(start_date, end_date, freq)[index]['prices']
stock_hist_data_list = [{'NDX': daily_index_data}, {'AAPL': daily_aapl_data}, {'MSFT': daily_msft_data},
                        {'INTL': daily_intl_data}]


# Function to construct data frame based on a stock and it's market index
def build_data_frame(data_list1, data_list2, data_list3, data_list4):
    data_dict = {}
    i = 0
    for list_item in data_list2:
        if 'type' not in list_item.keys():
            data_dict.update({list_item['formatted_date']: {'NDX': data_list1[i]['close'], 'AAPL': list_item['close'],
                                                            'MSFT': data_list3[i]['close'],
                                                            'INTL': data_list4[i]['close']}})
            i += 1
    tseries = pd.to_datetime(list(data_dict.keys()))
    df = pd.DataFrame(data=list(data_dict.values()), index=tseries,
                      columns=['NDX', 'AAPL', 'MSFT', 'INTL']).sort_index()
    return df

一次多个股票数据示例（返回每个股票代码的 JSON 对象列表）：

from yahoofinancials import YahooFinancials

tech_stocks = ['AAPL', 'MSFT', 'INTC']
bank_stocks = ['WFC', 'BAC', 'C']

yahoo_financials_tech = YahooFinancials(tech_stocks)
yahoo_financials_banks = YahooFinancials(bank_stocks)

tech_cash_flow_data_an = yahoo_financials_tech.get_financial_stmts('annual', 'cash')
bank_cash_flow_data_an = yahoo_financials_banks.get_financial_stmts('annual', 'cash')

banks_net_ebit = yahoo_financials_banks.get_ebit()
tech_stock_price_data = tech_cash_flow_data.get_stock_price_data()
daily_bank_stock_prices = yahoo_financials_banks.get_historical_stock_data('2008-09-15', '2017-09-15', 'daily')

JSON 输出示例：

代码：

yahoo_financials = YahooFinancials('WFC')
print(yahoo_financials.get_historical_stock_data("2017-09-10", "2017-10-10", "monthly"))

JSON 返回：

{
    "WFC": {
        "prices": [
            {
                "volume": 260271600,
                "formatted_date": "2017-09-30",
                "high": 55.77000045776367,
                "adjclose": 54.91999816894531,
                "low": 52.84000015258789,
                "date": 1506830400,
                "close": 54.91999816894531,
                "open": 55.15999984741211
            }
        ],
        "eventsData": [],
        "firstTradeDate": {
            "date": 76233600,
            "formatted_date": "1972-06-01"
        },
        "isPending": false,
        "timeZone": {
            "gmtOffset": -14400
        },
        "id": "1mo15050196001507611600"
    }
}

Answer 3

yahoo_finance 已无法使用，因为 Yahoo 已更改格式，fix_yahoo_finance 足以下载数据。但是要解析，您需要其他库，这是一个简单的工作示例：

import numpy as np #python library for scientific computing
import pandas as pd #python library for data manipulation and analysis
import matplotlib.pyplot as plt #python library for charting
import fix_yahoo_finance as yf #python library to scrape data from yahoo finance
from pandas_datareader import data as pdr #extract data from internet sources into pandas data frame

yf.pdr_override()

data = pdr.get_data_yahoo(‘^DJI’, start=”2006–01–01")
data2 = pdr.get_data_yahoo(“MSFT”, start=”2006–01–01")
data3 = pdr.get_data_yahoo(“AAPL”, start=”2006–01–01")
data4 = pdr.get_data_yahoo(“BB.TO”, start=”2006–01–01")

ax = (data[‘Close’] / data[‘Close’].iloc[0] * 100).plot(figsize=(15, 6))
(data2[‘Close’] / data2[‘Close’].iloc[0] * 100).plot(ax=ax, figsize=(15,6))
(data3[‘Close’] / data3[‘Close’].iloc[0] * 100).plot(ax=ax, figsize=(15,6))
(data4[‘Close’] / data5[‘Close’].iloc[0] * 100).plot(ax=ax, figsize=(15,6))

plt.legend([‘Dow Jones’, ‘Microsoft’, ‘Apple’, ‘Blackberry’], loc=’upper left’)
plt.show()

代码解释可以访问https://medium.com/@gerrysabar/charting-stocks-price-from-yahoo-finance-using-fix-yahoo-finance-library-6b690cac5447

Answer 4

试试这个简单的代码

watchlist=["stock1","stock2".......]
closing_price=pd.DataFrame()
symbols=[]

for i in watchlist:
    Result=wb.DataReader(i,start='05-1-20', end='05-20-20',data_source='yahoo')
    closing_price=closing_price.append(Result)        
    symbols.append(i)
    print("Generating Closing price for",i)  

closing_price["SYMBOL"]=symbols
print("closing_price"

Answer 5

这对我有用。

assets = ['TSLA', 'MSFT', 'FB']

yahoo_financials = YahooFinancials(assets)

data = yahoo_financials.get_historical_price_data(start_date='2019-01-01', 
                                                  end_date='2019-12-31', 
                                                  time_interval='weekly')

prices_df = pd.DataFrame({
    a: {x['formatted_date']: x['adjclose'] for x in data[a]['prices']} for a in assets})

prices_df

结果：