① 【Python搞量化】pandas_datareader 经济和金融数据读取API介绍
《Python金融大数据分析》一书提及的FXCM数据与fxcmpy包，因限制条件未能顺利获取。转向探索其他数据下载包，如国内流行的tushare和baostock，发现tushare已开始收费。因此，决定尝试pandas_datareader，因其名称带有pandas，预期能方便地返回DataFrame格式的数据。
一、安装pandas_datareader和简单演示
通过遵循官方说明，成功安装pandas_datareader并导入数据，验证了其功能。
二、pandas_datareader的多个经济金融数据来源
该包支持多种数据来源，涵盖了股票、基金、货币交易数据（如FRED）以及宏观经济数据（OECD和World Bank）等。特别指出，其数据源丰富，满足多种分析需求。
三、利用 pandas_datareader 读取股指和股票交易数据
选取Stooq作为示例，读取金融历史数据。Stooq提供的指数数据，适合用于实践金融策略和模型开发，或替代《Python金融大数据分析》中的FXCM数据源。具体实例展示了获取DJI道琼斯工业指数最近5年的数据。
此外，Naver Finance Data提供了韩国股票交易数据，其数据结构与上述数据类似，方便进行模型和算法研究。
四、简单的数据可视化
通过数据可视化，可以直观地分析和呈现数据特性，为深入研究提供支持。
------全文结束-----
② 【手把手教你】Python获取股票数据和可视化
数据获取是金融量化分析的基础，获取可靠、真实的数据对于分析至关重要。随着信息技术的发展，数据获取渠道日益丰富，Python网络爬虫在这一领域越来越受欢迎。然而，专业技能的局限性要求我们利用现有的开源库来简化数据获取过程。本文将通过实例演示如何使用tushare、baostock、pandas_datareader和yahool等财经数据API获取股票数据并进行可视化。在介绍API使用前，我们先了解获取数据的来源与驱动因素。图1显示了股票涨跌的驱动因素，图2列举了公司基本面信息的来源，图3展示了知名股票论坛，这些非结构化数据为后续分析提供了丰富资源。本文旨在为Python金融量化入门学习者提供引导，希望能激发更多学习兴趣。
图1 股票涨跌驱动因素
图2 公司基本面信息源
图3 知名股票论坛
首先介绍tushare库。新版本tushare pro提供了更稳定、高质量的数据，包括沪深股票行情、财务数据、市场参考等，以及国内外股指、基金、期货、期权、宏观经济、行业经济等财经数据，为量化爱好者节省了时间。新版本需注册获取token才能免费使用，注册网址在文档中。安装tushare库，命令为`pip install tushare`或更新至最新版本，命令为`pip install tushare --upgrade`。以股票行情数据为例，展示如何获取数据。
获取个股行情数据，可使用`pro.stock_basic()`函数，参数包括`is_hs`（是否沪深港通标的），`list_status`（上市状态），`exchange`（交易所）。获取日行情、周行情、月行情分别使用`pro.daily(ts_code= 或 trade_date=)`。
接着是baostock库。baostock提供了大量准确、完整的证券历史行情数据和上市公司财务数据，满足量化交易、数量金融、计量经济领域的需求。获取数据使用Python API，返回格式为pandas DataFrame，便于使用pandas、NumPy、Matplotlib等进行数据分析和可视化。访问链接：baostock.com/baostock/i...
最后是雅虎财经API。虽然原版本不再维护，但有开发者推出了修复版本，使用命令`pip install fix_yahoo_finance`即可安装。
总结，Python在金融量化领域的应用涉及多个方面，包括金融数据分析与挖掘、金融建模与量化投资等。本文通过具体实例展示了如何利用tushare、baostock、pandas_datareader和yahool等API获取股票数据并进行可视化，旨在为初学者提供入门指导，促进更深入的学习与探索。
③ 使用 Python 获取股票历史资金流向数据（大单、超大单、主力流入等）
要使用Python获取股票历史资金流向数据，可以按照以下步骤进行：