주식 데이터 관리_google finance

1. 대상이 되는 주식 일일자료를 google finance로 부터 호출하여 엑셀로 저장하기
다음의 패키지들이 필요하다.

In [1]: import numpy as np
In [2]: import pandas as pd
In [3]: from googlefinance.client import get_price_data, get_prices_data, get_prices_time_data
In [4]: from datetime import datetime, timedelta

1) google finance에 사용할 수 있는 각 주가 코드를 엑셀로 정리하여 호출하자.
다음예에서 사용된 dropna()는 데이터에 na를 제거하기 위해 사용한 것으로 아래의 포스트를 참조(nan제거를 위한 함수들)

In [5]: itemCode=pd.read_excel("c:\\~~.xlsx", sheet_name="googleCode")
In [6]: itemCode1=itemCode.ix[:,:4]
In [7]: itemCode1=itemCode1.dropna(axis=0)
In [8]: itemCode1
Out[8]:

	code1	종목코드	item	종목명
0	KRX	KOSPI	kospi	종합(KOSPI)
...	...	...	...	...

2) google finance로 부터 데이터를 호출하기 위해 위 코드 [3]에서 제공하는 함수들을 사용한다. 포스트 (google finance로 부터의 자료 호출_python )참조

위에서 호출한 code는 여러 종목에 관한 것이다. 그러므로 각 종목을 호출하기 위해서는 

반목문을 사용하자. 

최종 결과를 담기위해 인덱스(주식명)과 값(일일자료)를 모두 표시할 수 있는 사전 객체로 생성하자. 

In [9]: dat={}

In [10]: for i in range(len(itemCode1)):

            param={'q': itemCode1.ix[i, 1], 'i': "86400", 'x': itemCode1.ix[i, 0], 'p':'10Y'}

            dat[itemCode1.ix[i,2]]=get_price_data(param)

이 웹사이트로 부터 호출한 자료중에 데이터의 스케일이 다른 경우가 존재한다. (각 데이타 마다 점검해야 한다.) 

점검한 바로는 kospi와 kosdaq의 거래량은 한국 또는 yahoo finance에서 제공하는 값들 보다 1000배 크다. 그러므로 이를 보정해 주기 위해 다음과 같이 값들을 조정한다. 

이 조정은 매일의 한국이나 다른 데이터로 업데이트 시킬 경우 일어날 수 있는 혼동요인을 예방하기 위한 것으로 google finance로 부터의 자료만을 사용하기 위해서는 불필요하다. 

In [11]: dat['kospi'].ix[:,4]=dat['kospi'].ix[:,4]/1000

In [12]: dat['kosdaq'].ix[:,4]=dat['kosdaq'].ix[:,4]/1000

대표적으로 호출된 kospi의 자료를 보자. 

In [13]: dat['kospi'].head(3)

	Open	High	Low	Close	Volume
2007-11-19 15:30:00	1936.38	1936.50	1892.87	1893.47	292323.0
2007-11-20 15:30:00	1853.41	1875.46	1819.18	1872.24	331755.0
2007-11-21 15:30:00	1865.91	1875.98	1803.77	1806.99	307454.0

In [14]: dat['kospi'].tail(3)

	Open	High	Low	Close	Volume
2017-11-13 15:30:00	2548.27	2552.28	2527.20	2530.35	266530.0
2017-11-14 15:30:00	2532.55	2532.95	2520.99	2526.64	287771.0
2017-11-15 15:30:00	2525.60	2526.61	2511.76	2518.25	398215.0

3) 호출한 데이터를 엑셀파일에 저장하자. 

포스트(엑셀, csv 파일 열기)참조

In [15]: writer=pd.ExcelWriter('dataStock.xlsx', engine='xlsxwriter')
for i in dat.keys():
    dat[i].to_excel(writer, sheet_name=i, index=True, header=True)
writer.save()

위와 같이 저장한 데이터는 웹과의 연결없이 자료를 사용할 수 있다는 장점이 있다. 

4) 자료의 업데이트 

엑셀에 저장된 데이터를 호출한다. 

In [16]: dat={}
          for i in itemCode1.ix[:,2]:
              dat[i]=pd.read_excel('dataStock.xlsx', sheet_name=i, index_col=0)

엑셀로부터 업데이트할 자료를 호출한다.
(이 자료는 각 증권사에서 제공하는 자료 중에서 관심종목을 등록하면 볼 수 있다.
장마감 후 관심종목에 있는 데이터를 '엑셀로 복사하기'를 선택하면 엑셀로 전달되는데 이 데이터를 적절한 경로로 저장후 호출하여 사용한다.)

In [17]: upd=pd.read_excel('update_python.xlsx', sheet_name="update", index_col='nme')

호출한 데이터를 기존에 데이터에 첨가한다.

pd객체.append(): 기존의 데이터 마지막 행 이후에 새로운 행이 첨가된다. 이 경우 첨가할 데이터와 기존의 데이터의 열 이름이 동일해야 한다.

In [18]:
for i in dat.keys():
    dat[i].append(upd.ix[i, :])
    idx=list(dat[i].index)
    idx[len(idx)-1]=today
    dat[i].index=idx

데이트한 데이터를 다시 엑셀에 저장한다.
In [19]:
writer=pd.ExcelWriter('dataStock.xlsx', engine='xlsxwriter')
for i in dat.keys():
    dat[i].to_excel(writer, sheet_name=i, index=True, header=True)
writer.save()