3. Python金融数据获取：从零搭建你的数据管道

做量化投资，第一道坎就是数据。我见过太多人，策略写得天花乱坠，结果数据源一塌糊涂。说白了，数据质量直接决定策略生死。今天咱们就聊聊怎么用Python把数据稳稳拿到手。

3.1 为什么选pandas-datareader和yfinance？

市面上数据接口很多，但我个人习惯用这两个库。原因很简单：

• pandas-datareader：老牌库，支持雅虎、谷歌、FRED等多个数据源。适合拿A股和美股历史数据。
• yfinance：后来居上，专门针对雅虎财经优化。速度更快，支持全球市场。

我在项目中遇到过一个问题：用pandas-datareader拿美股数据，偶尔会超时。后来换成yfinance，稳多了。所以我的建议是：A股用datareader，全球市场用yfinance。

3.2 安装与基础配置

先装库。打开终端，一行搞定：

pip install pandas-datareader yfinance

嗯，这里要注意版本兼容性。我建议用Python 3.8以上，pandas 1.3以上。低版本容易出幺蛾子。

3.3 实战：获取A股数据

拿贵州茅台举个例子。用pandas-datareader从雅虎拿数据：

import pandas as pd
import pandas_datareader.data as web
from datetime import datetime

# 定义股票代码和时间范围
stock_code = '600519.SS'  # 贵州茅台，上海交易所
start = '2023-01-01'
end = '2024-01-01'

# 获取数据
df = web.DataReader(stock_code, 'yahoo', start, end)
print(df.head())

跑完你会看到这样的表格：

Date	Open	High	Low	Close	Volume
2023-01-03	172.0	175.5	171.0	174.0	35000000
2023-01-04	174.5	176.0	173.0	175.2	28000000

3.4 实战：获取全球市场数据

yfinance的用法更简洁。拿苹果和腾讯举例：

import yfinance as yf

# 定义股票列表
tickers = ['AAPL', '0700.HK']  # 苹果、腾讯

# 下载数据
data = yf.download(tickers, start='2023-01-01', end='2024-01-01')

# 只看收盘价
close_prices = data['Close']
print(close_prices.head())

你想想看，yfinance还能直接拿财报数据：

# 获取苹果公司信息
aapl = yf.Ticker('AAPL')
info = aapl.info
print(info['longBusinessSummary'])  # 公司简介

这个功能我特别喜欢。做基本面分析时，不用再手动去网站扒数据了。

3.5 数据清洗与预处理

拿到原始数据后，千万别直接用。我踩过坑：有一次策略回测跑得挺好，实盘却亏了。查了半天，发现是数据里有空值没处理。

标准清洗流程如下：

1. 检查缺失值：用df.isnull().sum()看看哪些列有空值
2. 处理缺失值：前向填充（ffill）或插值（interpolate）
3. 去重：用df.drop_duplicates()删除重复行
4. 调整数据类型：确保日期是datetime，价格是float

来看个完整例子：

# 假设df是原始数据
# 1. 检查缺失
print('缺失值统计：')
print(df.isnull().sum())

# 2. 前向填充（用前一天的数据填充）
df.fillna(method='ffill', inplace=True)

# 3. 去重
df.drop_duplicates(inplace=True)

# 4. 确保日期索引
df.index = pd.to_datetime(df.index)

# 5. 添加收益率列
df['Return'] = df['Close'].pct_change()

print('清洗完成！')
print(df.head())

3.6 知识体系总览

下面这张图，是我做数据获取时的完整流程。你照着走，基本不会出错：

这张图我画了好几次才满意。你注意看那个循环箭头——数据验证发现问题后，要回到清洗步骤重新处理。这是实战中最重要的环节。

3.7 避坑指南

最后分享几个我踩过的坑：

• 股票代码格式：A股在雅虎上要加后缀（如.SS、.SZ），港股加.HK。我一开始不知道，查了半天没数据。
• 时区问题：雅虎返回的是美国时间。如果你做A股，记得转成北京时间：df.index = df.index.tz_convert('Asia/Shanghai')
• 数据频率：默认是日线。如果需要分钟线，yfinance支持interval='1m'，但只能拿最近7天。