python股票數據保存為excel表格

A. 如何下載股票歷史成交數據到Excel或txt

要下載股票歷史成交數據到Excel或txt，可以採取以下方法：

1. 使用專業的金融數據平台或軟體：

   • 訪問如東方財富、同花順、Wind資訊等專業的金融數據平台或軟體。
   • 在這些平台或軟體中，通常會有專門的「數據下載」或「數據導出」功能。
   • 選擇你想要下載的股票，並設定時間范圍、數據類型等參數。
   • 點擊下載或導出按鈕，選擇Excel或txt格式進行保存。

2. 使用股票交易軟體的數據導出功能：

   • 如果你使用的是股票交易軟體，它們也可能提供數據導出功能。
   • 在軟體中找到你想要查看的股票的歷史成交數據。
   • 選擇導出功能，並選擇Excel或txt格式進行保存。

3. 編寫程序獲取數據：

   • 如果你熟悉編程，可以使用Python等編程語言，通過調用金融數據API來獲取股票歷史成交數據。
   • 將獲取到的數據按照你的需求處理並保存到Excel或txt文件中。

4. 利用在線工具或網站：

   • 有些在線工具或網站也提供股票歷史數據的下載服務。
   • 在這些網站或工具上，你可以輸入股票代碼和想要下載的時間范圍，然後選擇Excel或txt格式進行下載。

注意事項：

• 在下載股票歷史成交數據時，請確保你遵守了相關平台或軟體的使用規定和隱私政策。
• 如果你是通過編寫程序獲取數據，請注意API的使用限制和費用情況。
• 下載的數據可能需要進行一定的處理才能滿足你的具體需求。

B. 如何在股市中游刃有餘將股票數據輕松導入Excel表格！

要將股票數據輕松導入Excel表格，並做到在股市中游刃有餘，您可以採取以下幾種方法：

一、直接復制粘貼

• 適用場景：適用於數據量較小的情況。
• 操作步驟：從網上找到相關股票的信息，直接復制，然後粘貼到Excel表格中。這種方法簡單直接，無需額外工具或技術。

二、利用第三方工具

• 適用場景：適用於需要處理大量數據的情況。
• 操作步驟：
  • 選擇合適的第三方工具，如Tushare、QUANTAXIS等，這些工具提供了豐富的數據介面和友好的用戶界面。
  • 使用這些工具自動化抓取股票數據，並將其導出為CSV格式。
  • 將CSV文件導入Excel表格，即可進行後續的數據分析。

三、編程實現自動導入

• 適用場景：適用於有編程基礎且需要高度自動化的情況。
• 操作步驟：
  • 使用Python中的pandas庫或R語言中的readr包。
  • 編寫腳本讀取證券交易所提供的API返回的數據，並將其轉換為DataFrame格式。
  • 使用pandas或readr提供的函數將DataFrame保存到Excel文件中。

總結：

• 直接復制粘貼適用於少量數據的快速導入。
• 第三方工具能夠自動化處理大量數據，提高數據抓取和導入的效率。
• 編程實現則提供了更高的靈活性和自動化程度，適合有編程基礎的投資者。

掌握這些方法，您將能夠輕松地將股票數據導入Excel表格，並利用Excel強大的數據分析功能進行投資分析，從而在股市中游刃有餘。

C. 如何用python將數據寫入excel表格

簡單的介紹一下這兩個庫，先說xlrd，這個庫讀Excel比較方便，各種方法使用起來也挺方便：
bk = xlrd.open_workbook('your.xls')
sh = bk.sheets()[-1]
上面兩句就可以打開Excel表格中的一個sheet，sheets得到的是一個list，存放所有的sheet。
sh.nrows是該sheet中的行數，知道這個後就可以使用for循環來讀所有的單元格了：
sh.row(i)[3]這個就代表第i行的第4列。
再看看pyExcelerator，這個用起來有點別扭：
sheets = parse_xls('result.xls')
先打開一個表格，sheets是一個list，包含了所有表格的內容，每一項就是一個sheet，而每個sheet是二元tuple，第一個是該sheet的名字，第二個是一個dict，dict的key是一個二元組，表示單元格的坐標，如(0,0)，第一行第一列。
從上面的分析中可以得出要訪問Excel中第一個sheet的第一行第一列元素需要：
sheets[0][1][(0,0)]
pyExcelerator也不能得到行列數。
寫文件也比較簡單：
wb = Workbook()
ws = wb.add_sheet('result')
ws.write(0,0,「hello」)
wb.save('result.xls')
就不解釋了:-)
寫文件時需要注意直接寫Unicode內容進去，而不要寫編碼過的內容。
本文來源於可可熊的窩 http://cocobear.info/blog , 原文地址：