【Python技术】同时获取股票及ETF数据改造示例

# -*- coding: utf-8 -*-import akshare as akimport pandas as pdimport streamlit as stimport plotly.graph_objects as gofrom datetime import datetime# 神奇九转核心算法def calculate_nine_turns(df):    """计算九转序列"""    df['up_condition'] = df['close'] > df['close'].shift(4)    df['down_condition'] = df['close'] < df['close'].shift(4)    # 连续计数逻辑    for condition in ['up', 'down']:        streak = 0        streaks = []        for idx in range(len(df)):            if df[f'{condition}_condition'].iloc[idx]:                streak = streak + 1 if streak 9 else 9            else:                streak = 0            streaks.append(streak)        df[f'{condition}_streak'] = streaks    # 生成买卖信号    df['ma20'] = df['close'].rolling(20).mean()    #df['buy_signal'] = (df['down_streak'] == 9) & (df['close'] > df['ma20'])    df['buy_signal'] = (df['down_streak'] == 9)    #df['sell_signal'] = (df['up_streak'] == 9) & (df['close'] < df['ma20'])    df['sell_signal'] = (df['up_streak'] == 9)    return df# 数据获取def get_asset_data(symbol, asset_type, start, end):    """获取A股前复权数据"""    try:        code = f"{symbol}"        if(asset_type == '股票'):            df = ak.stock_zh_a_hist(                symbol=code, period="daily",                start_date=start.strftime("%Y%m%d"),                end_date=end.strftime("%Y%m%d"),                adjust="qfq"            )        if (asset_type == 'ETF'):            df = ak.fund_etf_hist_em(                symbol=code, period="daily",                start_date=start.strftime("%Y%m%d"),                end_date=end.strftime("%Y%m%d"),                adjust="qfq"            )        df = df.rename(columns={            '日期': 'date', '开盘': 'open', '收盘': 'close',            '最高': 'high', '最低': 'low', '成交量': 'volume'        })        df['date'] = pd.to_datetime(df['date'])        return df.set_index('date').sort_index()    except Exception as e:        st.error(f"数据获取失败：{str(e)}")        return None# 可视化def plot_kline_with_signals(df):    fig = go.Figure()    # 主K线    fig.add_trace(go.Candlestick(        x=df.index,        open=df['open'],        high=df['high'],        low=df['low'],        close=df['close'],        increasing_line_color='#FF4500',        decreasing_line_color=


    
'#1E90FF',        name='K线'    ))    # 九转标记    up_points = df[df['up_streak'] >= 1]    down_points = df[df['down_streak'] >= 1]    # up_points = df[df['up_streak'] >= 6]    # down_points = df[df['down_streak'] >= 6]    # 上涨序列    fig.add_trace(go.Scatter(        x=up_points.index,        y=up_points['high'] * 1.02,        mode='text',        text=up_points['up_streak'].astype(str),        textfont=dict(color='#FF4500', size=14),        name='上涨九转'    ))    # 下跌序列    fig.add_trace(go.Scatter(        x=down_points.index,        y=down_points['low'] * 0.98,        mode='text',        text=down_points['down_streak'].astype(str),        textfont=dict(color='#1E90FF', size=14),        name='下跌九转'    ))    # 买卖信号    buy_signals = df[df['buy_signal']]    sell_signals = df[df['sell_signal']]    fig.add_trace(go.Scatter(        x=buy_signals.index,        y=buy_signals['low'] * 0.95,        mode='markers',        marker=dict(color='green', size=12, symbol='triangle-up'),        name='买入信号'    ))    fig.add_trace(go.Scatter(        x=sell_signals.index,        y=sell_signals['high'] * 1.05,        mode='markers',        marker=dict(color='red', size=12, symbol='triangle-down'),        name='卖出信号'    ))    fig.update_layout(        title='神奇九转策略分析',        xaxis_rangeslider_visible=False,        hovermode='x unified',        height=600    )    return figdef app():    st.title("A股神奇九转策略分析系统")    # 资产选择    asset_type = st.radio("资产类型", ["股票", "ETF"], horizontal=True)    code = st.text_input(f"{asset_type}代码", "600519" if asset_type == "股票" else "510300")    start_date = st.date_input("开始日期", datetime(2024, 10, 8))    end_date = st.date_input("结束日期", datetime.now())    show_volume = st.checkbox("显示成交量分析", True)    # 数据获取    data = get_asset_data(code, asset_type, start_date, end_date)    if data is not None:        analyzed_data = calculate_nine_turns(data)    # 主显示区    col1, col2 = st.columns([3, 1])    with col1:        st.plotly_chart(plot_kline_with_signals(analyzed_data), use_container_width=True)    with col2:        st.subheader("实时信号")        if analyzed_data['buy_signal'].any():            last_buy = analyzed_data[analyzed_data['buy_signal']].iloc[-1]            st.success(f"""            **买入信号**              {last_buy.name.strftime('%Y-%m-%d')}              价格：{last_buy['close']:.2f}              """)        if analyzed_data['sell_signal'].any():            last_sell = analyzed_data[analyzed_data['sell_signal']].iloc[-1]            st.error(f"""            **卖出信号**              {last_sell.name.strftime(


    
'%Y-%m-%d')}              价格：{last_sell['close']:.2f}              """)    # 成交量分析    if show_volume:        st.subheader("成交量分析")        df_vol = analyzed_data[['volume']].copy()        df_vol['vol_ma5'] = df_vol['volume'].rolling(5).mean()        st.area_chart(df_vol, use_container_width=True)if __name__ == "__main__":    app()