Hinweis. Beide verwenden das JSON-Format und sind daher sehr kompatibel.

Umgebung

Von hier vorerst. Auslassen der Umgebungskonstruktion von Python

Installieren Sie MongoDB unter Windows

Vergessen Sie nicht, den Behälter in Ihren PFAD zu legen. (Ich habe vergessen) http://qiita.com/yoh-nak/items/f0c429f10347ae7ec98b http://qiita.com/t-koyama/items/9b8804cbec59b3c93eb0

Installieren Sie Pymongo

pip install pymongo

Installieren Sie oandapy (Python-Wrapper für die oanda REST-API)

pip install oandapy

Anleitung

MongoDB Primer

http://qiita.com/saba1024/items/f2ad56f2a3ba7aaf8521 http://www.cuspy.org/diary/2012-04-17/the-little-mongodb-book-ja.pdf

Verwendung der Oanda API

http://developer.oanda.com/docs/jp/ Übrigens habe ich nicht versucht, die Sandbox-Umgebung zu verwenden, daher empfehle ich, die fxTrade Practice-Umgebung von Anfang an zu verwenden.

Wie man Pymongo benutzt

http://api.mongodb.com/python/

Wie man Oandapy verwendet

https://github.com/oanda/oandapy

Codebeispiel

Schlagen Sie die API mit Oandapy

import oandapy

oanda = oandapy.API(environment="practice", access_token="your_token")
response = oanda.get_history(instrument="EUR_USD",granularity="D",count=500)
EUR_USD_D = response.get("candles")

Allein damit können Sie die täglichen Euro-Dollar-Daten (500 Schritte) überwinden. Sie können auch Start und Ende angeben.

Daten in MongoDB einfügen

from pymongo import MongoClient

client = MongoClient('localhost',27017)
db = client.ex_rate
collection = db.eur_usd_d
collection.insert_many(d for d in EUR_USD_D)

Allein damit können die oben im JSON-Format erfassten täglichen Daten (500 Schritte) in der Sammlung (Tabelle) [eur_usd_d] der MongoDB-Datenbank [ex_rate] gespeichert werden. Selbst wenn der Inhalt von MongoDB leer ist, erstellen sie Datenbanken und Sammlungen ohne Erlaubnis.

Holen Sie sich eine Liste der verfügbaren Aktien

import oandapy
import pandas as pd

oanda = oandapy.API(environment="practice", access_token="your_token")

Geben Sie die Konto-ID in #account_id ein (nicht die ID bei der Anmeldung). response = oanda.get_instruments(account_id="xxxxxxx") insts = response.get("instruments") #In Pandas für eine einfache Anzeige df = pd.DataFrame(list(insts)) df.head()

↓ Ausgabe

displayName	instrument	maxTradeUnits	pip
0	AUD/CAD	AUD_CAD	10000000	0.0001
1	AUD/CHF	AUD_CHF	10000000	0.0001
2	AUD/HKD	AUD_HKD	10000000	0.0001
3	AUD/JPY	AUD_JPY	10000000	0.01
4	AUD/NZD	AUD_NZD	10000000	0.0001

Wenn Sie Daten von 5000 Schritten oder mehr erhalten möchten

Sie können es kontinuierlich abrufen, auch wenn die Anzahl, die Sie erhalten möchten, die Obergrenze von 5000 durch das folgende Verfahren überschreitet. Es kann einen klügeren Weg geben.

Holen Sie sich die neueste Datengruppe und erhalten Sie die höchste (älteste) "Zeit" -Reformieren Sie die "Zeit" -Daten und geben Sie eine Anfrage erneut als "Ende" aus.

import oandapy import datetime as dt

oanda = oandapy.API(environment="practice", access_token="your_token")

response1 = oanda.get_history(instrument="EUR_USD",granularity="D",count=2) EUR_USD_H1 = response1.get("candles")

Holen Sie sich die Zeit der ersten Daten und konvertieren Sie das RFC3339-Format in das Python-Datetime-Format

dtime = dt.datetime.strptime(EUR_USD_H1[0]['time'],'%Y-%m-%dT%H:%M:%S.%fZ')

#Konvertieren Sie erneut in das RFC3339-Format rfc_endtime = dtime.isoformat('T')

response2 = oanda.get_history(instrument="EUR_USD",granularity="D",end=rfc_endtime,count=2)
EUR_USD_H2 = response2.get("candles")

for d in EUR_USD_H2:
    print(d)
for d in EUR_USD_H1:
    print(d)