于是我决定用Python来分析一波股票 ，赢了会所嫩* ，输了下海干活！
好了 ，上面是我吹牛逼的 ，不过确实有小伙伴看了爬股票数据进行分析的教程中过 ，但是我还是不建议各位去碰这玩意 ，今天咱们就是纯纯的分享技术哈~
准备工作
既然要去赚马内 ，咱们首先要获取往期的数据来进行分析 ，通过往期的规律来对当前进行预测 ，准不准我不知道 ，反正比人预测的准 ，不准也不要喷我 ，咱们是来交流技术的 ，不是来炒股的 。
不会安装模块可以看我往期文章：如何安装python模块, python模块安装失败的原因以及解决办法
后续使用的其它的模块都是Python自带的 ，不需要安装 ，直接导入使用即可 。
requests: 爬虫数据请求模块
pyecharts: 数据分析 可视化模块
pandas: 数据分析 可视化模块里面的设置模块（图表样式）
获取数据部分
爬虫的基本流程
首先我们找到数据来源 ，从network当中去找到数据所在的位置 ，这一步就不详细讲了 。
可以看我往期文章：Python爬虫何如抓包？这三个案例手把手教会你 ，非常详细！
我们想要实现通过爬虫获取到数据 ，正常情况下有几个步骤：
发送请求
获取数据
解析数据
保存数据
代码展示
import requests # 数据请求模块
import csv # 表格模块
url = https://stock.xueqiu.com/v5/stock/screener/quote/list.json?page={page}&size=30&order=desc&orderby=percent&order_by=percent&market=CN&type=sh_sz
requests.get(url=url)
假设目标网址是你刚认识的妹子家 ，你能穿的破破烂烂 ，脏不溜秋的就进去吗？肯定得打扮一番 ，把自己伪装的人模狗样的才让你进去对不对 ，不然就被赶出来了 。
同理 ，直接这么进去是不一定能获取到数据 ，所以需要使用 cookie 来伪装一下 ，cookie代表着用户身份信息 。
当然光cookie是不够的 ，咱们再加上当前网页的 user-agent
伪装加好之后 ，咱们就能得到一个相应结果 ，先打印出来看看 。
import requests # 第三方模块
import csv
# 我录制了详细讲解的视频 ，以及源代码都在这个君羊708525271自取就好了
# 伪装
headers = {
# 用户身份信息
cookie: s=bq119wflib; device_id=90ec0683f24e4d1dd28a383d87fa03c5; xq_a_token=df4b782b118f7f9cabab6989b39a24cb04685f95; xqat=df4b782b118f7f9cabab6989b39a24cb04685f95; xq_r_token=3ae1ada2a33de0f698daa53fb4e1b61edf335952; xq_id_token=eyJ0eXAiOiJKV1QiLCJhbGciOiJSUzI1NiJ9.eyJ1aWQiOi0xLCJpc3MiOiJ1YyIsImV4cCI6MTY3MjE4Njc1MSwiY3RtIjoxNjcwNTAxMjA5MTEyLCJjaWQiOiJkOWQwbjRBWnVwIn0.iuLASkwB6LkAYhG8X8HE-M7AM0n0QUULimW1C4bmkko-wwnPv8YgdakTC1Ju6TPQLjGhMqHuSXqiWdOqVIjy_OMEj9L_HScDot-7kn63uc2lZbEdGnjyF3sDrqGBCpocuxTTwuSFuQoQ1lL7ZWLYOcvz2pRgCw64I0zLZ9LogQU8rNP-a_1Nc91V8moONFqPWD5Lt3JxqcuyJbmb86OpfJZRycnh1Gjnl0Aj1ltGa4sNGSMXoY2iNM8NB56LLIp9dztEwExiRSWlWZifpl9ERTIIpHFBq6L2lSTRKqXKb0V3McmgwQ1X0_MdNdLAZaLZjSIIcQgBU26T8Z4YBZ39dA; u=511670501221348; Hm_lvt_1db88642e346389874251b5a1eded6e3=1667994737,1670480781,1670501222; Hm_lpvt_1db88642e346389874251b5a1eded6e3=1670501922,
# 浏览器的基本信息
user-agent: Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/108.0.0.0 Safari/537.36
}
url = https://stock.xueqiu.com/v5/stock/screener/quote/list.json?page={page}&size=30&order=desc&orderby=percent&order_by=percent&market=CN&type=sh_sz
# 1. 发送请求
response = requests.get(url=url, headers=headers)
print(response)
运行后出现 <Response [200]>求请求成功 ，出现404就是访问不到资源 ，一般是被反爬了 。
所以这时候我们需要加一个 referer 防盗链参数进去
referer: https://xueqiu.com/hq
import requests # 第三方模块
import csv
# 伪装
headers = {
# 用户身份信息
cookie: s=bq119wflib; device_id=90ec0683f24e4d1dd28a383d87fa03c5; xq_a_token=df4b782b118f7f9cabab6989b39a24cb04685f95; xqat=df4b782b118f7f9cabab6989b39a24cb04685f95; xq_r_token=3ae1ada2a33de0f698daa53fb4e1b61edf335952; xq_id_token=eyJ0eXAiOiJKV1QiLCJhbGciOiJSUzI1NiJ9.eyJ1aWQiOi0xLCJpc3MiOiJ1YyIsImV4cCI6MTY3MjE4Njc1MSwiY3RtIjoxNjcwNTAxMjA5MTEyLCJjaWQiOiJkOWQwbjRBWnVwIn0.iuLASkwB6LkAYhG8X8HE-M7AM0n0QUULimW1C4bmkko-wwnPv8YgdakTC1Ju6TPQLjGhMqHuSXqiWdOqVIjy_OMEj9L_HScDot-7kn63uc2lZbEdGnjyF3sDrqGBCpocuxTTwuSFuQoQ1lL7ZWLYOcvz2pRgCw64I0zLZ9LogQU8rNP-a_1Nc91V8moONFqPWD5Lt3JxqcuyJbmb86OpfJZRycnh1Gjnl0Aj1ltGa4sNGSMXoY2iNM8NB56LLIp9dztEwExiRSWlWZifpl9ERTIIpHFBq6L2lSTRKqXKb0V3McmgwQ1X0_MdNdLAZaLZjSIIcQgBU26T8Z4YBZ39dA; u=511670501221348; Hm_lvt_1db88642e346389874251b5a1eded6e3=1667994737,1670480781,1670501222; Hm_lpvt_1db88642e346389874251b5a1eded6e3=1670501922,
# 防盗链
referer: https://xueqiu.com/hq
# 浏览器的基本信息
user-agent: Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/108.0.0.0 Safari/537.36
}
url = https://stock.xueqiu.com/v5/stock/screener/quote/list.json?page={page}&size=30&order=desc&orderby=percent&order_by=percent&market=CN&type=sh_sz
# 1. 发送请求
response = requests.get(url=url, headers=headers)
print(response.json())
以 {}/[] 所包裹起来的数据 {“ ”:“ ”, “ ”:“ ”}
除了 .json 还可以通过 .text 和 .content 来拿到数据 ，但是它们获取到的数据是一样 。
.text 获取到的是字符串 ，文本内容 。
.content 取到的是二进制数据 ，一般是图片/音频/视频内容 。
json_data = response.json()
解析数据就是提取数据 ，把我们想要的数据提取出来 。
data_list = json_data[data][list]
# data_list[0]
# data_list[1]
for i in range(0, len(data_list)):
symbol = data_list[i][symbol]
name = data_list[i][name]
current = data_list[i][current]
chg = data_list[i][chg]
percent = data_list[i][percent]
current_year_percent = data_list[i][current_year_percent]
volume = data_list[i][volume]
amount = data_list[i][amount]
turnover_rate = data_list[i][turnover_rate]
pe_ttm = data_list[i][pe_ttm]
dividend_yield = data_list[i][dividend_yield]
market_capital = data_list[i][market_capital]
print(symbol, name, current, chg, percent, current_year_percent, volume, amount, turnover_rate, pe_ttm, dividend_yield, market_capital)
csv_writer.writerow([symbol, name, current, chg, percent, current_year_percent, volume, amount, turnover_rate, pe_ttm, dividend_yield, market_capital])
爬虫部分就结束了 ，接下来看数据分析部分 ，文章不理解 ，我还录了视频讲解 ，视频以及完整代码在文末名片自取即可 。
数据可视化分析
import pandas as pd # 做表格数据处理模块
from pyecharts.charts import Bar # 可视化模块
from pyecharts import options as opts # 可视化模块里面的设置模块(图表样式)
df = pd.read_csv(股票.csv)
x = list(df[股票名称].values)
y = list(df[成交量].values)
c = (
Bar()
.add_xaxis(x[:10])
.add_yaxis("成交额", y[:10])
.set_global_opts(
xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate=-15)),
title_opts=opts.TitleOpts(title="Bar-旋转X轴标签", subtitle="解决标签名字过长的问题"),
)
.render("成交量图表.html")
最后
今天的分享到这里就结束了 ，如果如果觉得有帮助的话 ，记得点赞收藏哈~
声明：本站所有文章 ，如无特殊说明或标注 ，均为本站原创发布 。任何个人或组织 ，在未征得本站同意时 ，禁止复制 、盗用 、采集 、发布本站内容到任何网站 、书籍等各类媒体平台 。如若本站内容侵犯了原著者的合法权益 ，可联系我们进行处理 。
