最近，在一门涉及python的课上，老师讲解了Tushare这款股票数据接口。经过数据猿进一步探索之后发现，Tushare不但包含包含齐全的股票数据，还包含了其他领域的有用数据。除此之外，Baostock也是一个非常优秀的开源股票借口，使用起来更加稳定快速。
今天，数据猿就来尝试获取一下这两个接口的股票数据吧。
目录如下：
Baostock VS Tushare
首先展示一下二者对比表，本来打算这个表作为文末的总结，但是由于数据猿毕竟门外汉，想写那么专业心有余而力不足，就先这个总结将放在这里的，文中不再赘述具体指标了。
Baostock
案例一：上证指数日交易量、振幅、换手率
第一步：导入baostock库，并登录
import baostock as bs
import pandas as pd
#### 登陆系统 ####
lg = bs.login()
# 显示登陆返回信息
print('login respond error_code:'+lg.error_code)
print('login respond error_msg:'+lg.error_msg)第二步：接口配置
rs = bs.query_history_k_data("000001.SH", "date,code,open,high,low,close,preclose,volume,amount,adjustflag,turn,tradestatus,pctChg,peTTM,pbMRQ,psTTM,pcfNcfTTM,isST",
start_date='2010-01-01', end_date='2019-12-31', frequency="d", adjustflag="3")
print('query_history_k_data respond error_code:'+rs.error_code)
print('query_history_k_data respond error_msg:'+rs.error_msg)补一个日线指标参数（包含停牌证券）
第三步：打印结果为pandas的Dataframe
#### 打印结果集 ####
data_list = []
while (rs.error_code == '0') & rs.next(): # 获取一条记录，将记录合并在一起
data_list.append(rs.get_row_data())
result = pd.DataFrame(data_list, columns=rs.fields)
result示例
第四步：结果输出并存入CSV
#### 结果集输出到csv文件 ####
result.to_csv("D:\\history_A_stock_k_data.csv", index=False)
print(result)
#### 登出系统 ####
bs.logout()Tushare
案例二：南方传媒和浙江传媒股票对比
第一步，导入Tushare等相关库
import tushare as ts
import pandas as pd
import matplotlib.pyplot as plt
plt.rcParams["font.sans-serif"] = ["SimHei"]
plt.rcParams["axes.unicode_minus"] = False
import warnings
warnings.filterwarnings("ignore")第二步，接口配置
#股票代码、起止日期可替换
caixin = ts.get_hist_data('600633', start='2017-07-01', end='2020-05-08')
caixin
nanfang = ts.get_hist_data('601900',start='2017-07-01', end='2020-05-08')
nanfang第三步，二者收盘价
收盘价形成新的Dataframe
#收盘价close
data = {'浙江传媒财新': caixin.close, '南方传媒':nanfang.close}
df = pd.DataFrame(data)
df排序
#排序
df.sort_values(by='date',ascending=True,inplace=True)
df第四步，可视化
收盘价可视化
#pandas支持matplotlib的，直接使用df.plot(kind='line')画折线图
import matplotlib.pyplot as plt
%matplotlib inline
df.plot(kind='line')
plt.xticks(rotation = '45')
plt.show()
单支股票股价集中度可视化
# 股价集中趋势可视化
import seaborn as sns
df.round(0)
plt.style.use('ggplot')
df['浙江传媒财新'].plot(kind='hist',bins=30,normed = True)
df['浙江传媒财新'].plot(kind='kde')
plt.show()
单只股票股价拟合可视化
df_pre_caixin = df['浙江传媒财新']
pre_caixin = pd.DataFrame(df_pre_caixin)
pre_caixin['MA5'] = df_pre_caixin.rolling(5).mean()
pre_caixin['MA20'] = df_pre_caixin.rolling(20).mean()
pre_caixin['MA60'] = df_pre_caixin.rolling(60).mean()
pre_caixin.plot()
小结：
二者各有千秋，适合自己需求的才是最好的；
数据猿是门外汉，可能表述上多有错误，还请经管类的朋友多多指导！
BTW，有意交流的，可以在公众号后台回复0，数据猿拉你进群！
参考资料：
Tushare官方文档：https://tushare.pro/document/2
Baostock官方文档：http://baostock.com/baostock/i
文章源自：
python两大免费获取股票接口Baostock&Tushare
在 Spyder（Python 3.7）中已经过测试的上述思路的完整代码如下：
# -*- coding: utf-8 -*-
“””
Created on Sun Nov 27 21:25:37 2022
@author: Administrator
“””
# -*- coding: utf-8 -*-
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import baostock as bs
from matplotlib.dates import DateFormatter
import datetime
#### 登陆系统
lg = bs.login()
stock = “sh.600996”
# 显示登陆返回信息
print(‘login respond error_code:’+lg.error_code)
print(‘login respond error_msg:’+lg.error_msg)
rs = bs.query_history_k_data_plus(stock,
“date,code,open,high,low,close,volume,amount,adjustflag,turn,tradestatus,pctChg,isST”,
start_date=’2019-06-20’,frequency=”d”, adjustflag=”3″)
print(‘query_history_k_data_plus respond error_code:’+rs.error_code)
print(‘query_history_k_data_plus respond error_msg:’+rs.error_msg)
data_list = []
while (rs.error_code == ‘0’) & rs.next():
# 获取一条记录，将记录合并在一起
data_list.append(rs.get_row_data())
result = pd.DataFrame(data_list, columns=rs.fields)
result.to_csv(“C:/Users/few/stock.csv”, index=False)
print(result)
#### 结果集输出到csv文件 ####
data = pd.read_csv(‘/Users/few/stock.csv’)
print(data)
bs.logout()