前面的系列文章，有朋友反映技能树提升太快，看不明白。所以从这篇开始，加入一些基础的技能点。让学习的曲线更平滑一些。
做量化交易，首先需要能够对金融时序数据进行处理，pandas是Python中最常用，也是最好用的时序处理工具包。这里我们以绘制茅台的股价均线为例，展示pandas的处理方法。
技能点：
- 1 金融数据获取：使用tushare下载股票历史日线数据
- 2 把日期字符串转换成时间类型
- 3 使用pandas计算股票的N日均线，并绘制出来
一、使用tushare下载股票日线数据
tushare.pro
1.1 安装Tushare
Tushare是一个第三方的数据采集工具包，提供了各类金融的数据的采集，而且是免费使用的。我们的开发语言是Python，开发环境是Anaconda，如果不了解怎么安装环境，可以看前面我的文章：搞金融的同学三小时快速入门python
安装了Python的开发环境anaconda后，我们需要安装tushare，在命令行运行：
pip install tushare
1.2 申请账号
如果网络顺畅，几秒钟就能安装好了。
到tushare.pro这个网站注册一个账号，系统会分配给你一个Token，这是在代码中会用到的。
Token
1.3 下载数据
申请好Token后，我们开始下载股票的日线数据，以茅台为例。
import tushare as ts
import pandas as pd
import datetime
#设置pandas的打印范围参数
pd.set_option('display.max_colwidth',500)
pd.set_option('display.max_columns', None)
# 设置tushare pro的token并获取连接
ts.set_token('e65dada543********************************9f1984c9ba75')
pro = ts.pro_api()
# 设定获取日线行情的初始日期和终止日期，其中终止日期设定为昨天。
start_dt = '20100101'
time_temp = datetime.datetime.now() - datetime.timedelta(days=1)
end_dt = time_temp.strftime('%Y%m%d')
stock = '600519.SH'
# 获取单个股票的日线行情
df = pro.daily(ts_code=stock, start_date=start_dt, end_date=end_dt)
# 显示数据行数
c_len = df.shape[0]
print(c_len)
# 显示出来前面几行数据
print(df.head())
1.4 显示结果
显示行情数据
这里面有高开低收，还有前一天的收盘价，当日变动价格，收益百分比等数据。
二、处理日期数据
因为股票的行情数据是时序数据，和时间的关系很密切，所以我们希望把时间作为数据的索引。tushare给我们返回的数据中，trade_date是字符串格式，我们需要先将它转换为系统能识别的时间类型格式，然后把trade_date设置为数据的索引。
、
# pandas有个专门把字符串转为时间格式的函数，to_datetime。第一个参数是原始数据，第二个参数是原始数据的格式
df['trade_date'] = pd.to_datetime(df['trade_date'],format='%Y%m%d')
# 把trade_date设置为索引
df.set_index('trade_date',inplace=True)
三、使用pandas计算股票的N日均线，并绘制出来
3.1 Pandas的rolling操作
pandas为我们提供了rolling函数，用来对某个区间的数据进行滚动的统计操作。比如，我们希望以5天为区间，滚动对一列[A1,A2,A3,A4,A5,A6,A7,A8,A9,A10]的数据进行做平均统计得到B列，那么A5对应的B5=(A1+A2+A3+A4+A5)/5。
3.2 使用rolling函数计算均线
#因为Tushare返回的数据是按照日期倒序排列的，我们先把数据按照日期颠倒一下，变成正序排列
df = df.sort_values("trade_date",ascending=True)
#计算30日均线
df["MA_30"] = df["close"].rolling(window=30).mean()
#计算60均线
df["MA_60"] = df["close"].rolling(window=60).mean()
#计算180日均线
df["MA_180"] = df["close"].rolling(window=180).mean()
#显示数据
print(df.head(50))
#保存数据
df.to_csv("maotai.csv",encoding='utf-8')
3.3 绘制均线
#使用均线和收盘价绘制图形
df[["close","MA_30","MA_60","MA_180"]].plot()
#设置标题
plt.title("maotai")
#保存图片
plt.savefig("maotai.png")
#显示图片
plt.show()
茅台的走势图
到这里，我们就已经能够Get到前面的技能点了：
- 1 金融数据获取：使用tushare下载股票历史日线数据
- 2 把日期字符串转换成时间类型
- 3 使用pandas计算股票的N日均线，并绘制出来
系列文章请看：
以DualThrust为例回测我们的第一个策略【从零入门量化五】
image
