Si vous jouiez avec les pandas de la bibliothèque de traitement de données de Python (http://pandas.pydata.org/),
Je l'ai posté parce que c'était merveilleux parce qu'il a été fait uniquement avec du code.
import pandas.io.data as web
import matplotlib.pyplot as plt
import datetime
#Spécifiez la plage de jours pour obtenir
start = datetime.datetime(2014, 1, 1)
end = datetime.datetime(2014, 9, 1)
#De Yahoo Finance^N225 (Indice boursier moyen Nikkei)À
#Je vais l'avoir.
f = web.DataReader('^N225', 'yahoo', start, end)
plt.title('Nikkei 255 from 2014.1.1 to 2014.9.1')
# fill_Tracez les valeurs les plus élevées et les plus basses du jour avec entre
plt.fill_between(f.index, f['Low'], f['High'], color="b", alpha=0.2)
#Tracez le prix d'ouverture avec parcelle.
#Comme l'index est automatiquement défini sur Date, l'axe horizontal est l'heure.
f['Open'].plot()
print f[:10]
plt.show()
L'objet pandas DataFrame ressemble à ceci Les données sont conservées sous forme de tableau.
                Open      High       Low     Close  Volume  Adj Close
Date                                                                 
2014-01-06  16147.54  16164.01  15864.44  15908.88  192700   15908.88
2014-01-07  15835.41  15935.37  15784.25  15814.37  165900   15814.37
2014-01-08  15943.68  16121.45  15906.57  16121.45  206700   16121.45
2014-01-09  16002.88  16004.56  15838.44  15880.33  217400   15880.33
2014-01-10  15785.15  15922.14  15754.70  15912.06  237500   15912.06
2014-01-13  15912.06  15912.06  15912.06  15912.06       0   15912.06
2014-01-14  15657.20  15661.71  15383.69  15422.40  214500   15422.40
2014-01-15  15649.07  15808.73  15636.57  15808.73  185800   15808.73
2014-01-16  15845.15  15941.08  15710.14  15747.20  214200   15747.20
2014-01-17  15695.46  15783.37  15621.80  15734.46  180100   15734.46
Cliquez ici pour les résultats du graphique.

Si vous remplacez «^ N225» par «AAPL», vous pouvez obtenir le cours de l'action d'Apple. Il ne semble pas encore y avoir d'API d'accès pour le marché japonais.
Recommended Posts