[Python知识库]Tushare所有版块数据每日更新（python）

一，获取当天日期

#每日数据更新
import time
import os
import tushare as ts
import pandas as pd


date=time.localtime()

nowdate=time.strftime('%Y%m%d',date)

二、获取当天天数据

 df = pro.daily(ts_code=i,trade_date=nowdate) 

三、按版块写入之前文件

          if market=='主板':    
              input_csv = open(os.path.join('F:\Data\ZhuBandata',i+'_data.csv'), 'a+')  #打开文件
              df.to_csv(os.path.join('F:\Data\ZhuBandata',i+'_data.csv'), mode='a', header=False, index=None)  #将新获得的数据写入原文件
              df=pd.read_csv(os.path.join('F:\Data\ZhuBandata',i+'_data.csv'))   #提取写入后的所有数据，新的dataframe
              df=df.sort_values('trade_date',ascending=True)   #有前到后进行排序
              df=df.drop_duplicates()  #删除重复的内容
              df.to_csv(os.path.join('F:\Data\ZhuBandata',i+'_data.csv'),index=False) #再次写入
              input_csv.close() #关闭文件   

四、全部代码
新手，代码冗余，待优化。

#每日数据更新
import time
import os
import tushare as ts
import pandas as pd


date=time.localtime()

nowdate=time.strftime('%Y%m%d',date)

#获取股票列表及其基础数据
#获取股票列表及其基础数据
pro=ts.pro_api('15692233a65a20bb1eaca7fb42a67a398c561575f2a2227abcd1eaa2') #接口

data=pro.stock_basic(exchage='',list_status='L',
                     fields='ts_code,symbol,name,area,industry,market,list_date,is_hs')
                         #获取TS代码，股票代码，股票名称，所在地域，所属行业，市场类型等信息
mm=pd.Series(['主板','中小板','创业板','科创板','CDR'])
j=1
for k in mm:
    
    #data1=data[data['market'].isin(['k'])]#.reset_index()   #利用.isin()函数过滤数据，只保留科创板的股票
        data1=data[data.market==k]#.reset_index()   #利用.isin()函数过滤数据，只保留科创板的股票
        data1.to_csv(os.path.join('F:\Data',k+'_company.csv'),index=False)  #os.path.join(路径，文件名)为保存路径拼接函数。注：事先创建Data文件夹
       
    
        for i in data1.ts_code:
                
          print(j,'股票代码：',i)
                
          j+=1
          df = pro.daily(ts_code=i,trade_date=nowdate) 
          market=list(data1['market'])
          market=market[0]
          #获取股票的日线行情，时间从2010年到2020年
          df=df.sort_values('trade_date',ascending=True)
          if market=='主板':    
              input_csv = open(os.path.join('F:\Data\ZhuBandata',i+'_data.csv'), 'a+')  #打开文件
              df.to_csv(os.path.join('F:\Data\ZhuBandata',i+'_data.csv'), mode='a', header=False, index=None)  #将新获得的数据写入原文件
              df=pd.read_csv(os.path.join('F:\Data\ZhuBandata',i+'_data.csv'))   #提取写入后的所有数据，新的dataframe
              df=df.sort_values('trade_date',ascending=True)   #有前到后进行排序
              df=df.drop_duplicates()  #删除重复的内容
              df.to_csv(os.path.join('F:\Data\ZhuBandata',i+'_data.csv'),index=False) #再次写入
              input_csv.close() #关闭文件     
                                        
          elif market=='中小板':
              input_csv = open(os.path.join('F:\Data\XiaoBandata',i+'_data.csv'), 'a+')  #打开文件
              df.to_csv(os.path.join('F:\Data\XiaoBandata',i+'_data.csv'), mode='a', header=False, index=None)  #将新获得的数据写入原文件
              df=pd.read_csv(os.path.join('F:\Data\XiaoBandata',i+'_data.csv'))   #提取写入后的所有数据，新的dataframe
              df=df.sort_values('trade_date',ascending=True)   #有前到后进行排序
              df=df.drop_duplicates()  #删除重复的内容
              df.to_csv(os.path.join('F:\Data\XiaoBandata',i+'_data.csv'),index=False) #再次写入
              input_csv.close() #关闭文件 
             
          elif market=='创业板':
              input_csv = open(os.path.join('F:\Data\CYeBandata',i+'_data.csv'), 'a+')  #打开文件
              df.to_csv(os.path.join('F:\Data\CYeBandata',i+'_data.csv'), mode='a', header=False, index=None)  #将新获得的数据写入原文件
              df=pd.read_csv(os.path.join('F:\Data\CYeBandata',i+'_data.csv'))   #提取写入后的所有数据，新的dataframe
              df=df.sort_values('trade_date',ascending=True)   #有前到后进行排序
              df=df.drop_duplicates()  #删除重复的内容
              df.to_csv(os.path.join('F:\Data\CYeBandata',i+'_data.csv'),index=False) #再次写入
              input_csv.close() #关闭文件 
                                       
              
          elif market=='科创板':
              input_csv = open(os.path.join('F:\Data\KCBandata',i+'_data.csv'), 'a+')  #打开文件
              df.to_csv(os.path.join('F:\Data\KCBandata',i+'_data.csv'), mode='a', header=False, index=None)  #将新获得的数据写入原文件
              df=pd.read_csv(os.path.join('F:\Data\KCBandata',i+'_data.csv'))   #提取写入后的所有数据，新的dataframe
              df=df.sort_values('trade_date',ascending=True)   #有前到后进行排序
              df=df.drop_duplicates()  #删除重复的内容
              df.to_csv(os.path.join('F:\Data\KCBandata',i+'_data.csv'),index=False) #再次写入
              input_csv.close() #关闭文件 
              
             
          elif market=='CDR':
              input_csv = open(os.path.join('F:\Data\CDRdata',i+'_data.csv'), 'a+')  #打开文件
              df.to_csv(os.path.join('F:\Data\CDRdata',i+'_data.csv'), mode='a', header=False, index=None)  #将新获得的数据写入原文件
              df=pd.read_csv(os.path.join('F:\Data\CDRdata',i+'_data.csv'))   #提取写入后的所有数据，新的dataframe
              df=df.sort_values('trade_date',ascending=True)   #有前到后进行排序
              df=df.drop_duplicates()  #删除重复的内容
              df.to_csv(os.path.join('F:\Data\CDRdata',i+'_data.csv'),index=False) #再次写入
              input_csv.close() #关闭文件
              
              
              
          print('获取到'+k+'股票：',len(data1))