欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

利用Python爬蟲爬取金融期貨數(shù)據(jù)的案例分析

 更新時(shí)間:2022年06月28日 09:57:34   作者:政胤.  
從技術(shù)角度來看,經(jīng)過一步步解析,任務(wù)是簡(jiǎn)單的,入門requests爬蟲及入門pandas數(shù)據(jù)分析就可以完成,本文重點(diǎn)給大家介紹Python爬蟲爬取金融期貨數(shù)據(jù)的案例分析,感興趣的朋友一起看看吧

大家好 我是政胤今天教大家爬取金融期貨數(shù)據(jù)

任務(wù)簡(jiǎn)介

首先,客戶原需求是獲取https://hq.smm.cn/copper網(wǎng)站上的價(jià)格數(shù)據(jù)(注:獲取的是網(wǎng)站上的公開數(shù)據(jù)),如下圖所示:

如果以該網(wǎng)站為目標(biāo),則需要解決的問題是“登錄”用戶,再將價(jià)格解析為表格進(jìn)行輸出即可。但是,實(shí)際上客戶核心目標(biāo)是獲取“滬銅CU2206”的歷史價(jià)格,雖然該網(wǎng)站也有提供數(shù)據(jù),但是需要“會(huì)員”才可以訪問,而會(huì)員需要氪金......

數(shù)據(jù)的價(jià)值?。?!

鑒于,客戶需求僅僅是“滬銅CU2206”一項(xiàng)期貨的歷史價(jià)格,氪金會(huì)員性價(jià)比不高,因此,實(shí)際的任務(wù)目標(biāo)變?yōu)槿绾潍@取的歷史價(jià)格,目標(biāo)變?yōu)槿W(wǎng)有公開提供數(shù)據(jù)的網(wǎng)址。而最終解決該問題,是求助于萬能的百度^_^。找到了合適的網(wǎng)站,且獲取數(shù)據(jù)的難度也幾乎降到了最低難度。

解決步驟

1.百度搜索資源:這個(gè)步驟是整個(gè)任務(wù)完整的最難點(diǎn)(實(shí)際不難),但這里賣個(gè)關(guān)子,全文不公布最終找到的網(wǎng)站,大家試試看能否搜索到,以及花費(fèi)多少時(shí)間^_^。

2.解析網(wǎng)站的請(qǐng)求,最終找到的網(wǎng)站經(jīng)解析后,發(fā)現(xiàn)獲取數(shù)據(jù)是通過get的方式提交參數(shù)。而請(qǐng)求的參數(shù)如下:/price?starttime=1638545822&endtime=1654357022&classid=48,一看就知是開始時(shí)間、結(jié)束時(shí)間的時(shí)間戳,以及商品id。再解析headers,居然連cookie都不需要,說明沒有反爬!沒有反爬!沒有反爬!不得不說運(yùn)氣爆棚!

3.解析響應(yīng)數(shù)據(jù):由于響應(yīng)數(shù)據(jù)是規(guī)整的json格式數(shù)據(jù),使用pandas的read_json直接能夠獲取dataframe格式的數(shù)據(jù),該步驟也并無難度。

代碼實(shí)現(xiàn)

鑒于網(wǎng)站沒有反爬,且參數(shù)簡(jiǎn)單,實(shí)際上的任務(wù)主要是規(guī)劃一下如何設(shè)計(jì)增量更新數(shù)據(jù)信息的流程,具體代碼如下:

 
# @author: zheng yin
# @contact: 1278420339@qq.com
 
 
"""
1. 這是爬取滬銅的程序
2. 該網(wǎng)站滬銅當(dāng)月的數(shù)據(jù)實(shí)際請(qǐng)求地址是:'(實(shí)際網(wǎng)址)/price?starttime={starttime}&endtime={endtime}&classid={classid}'
2.1. starttime為起始日期的時(shí)間戳
2.2. endtime為結(jié)束日期的時(shí)間戳
2.3. classid為查詢商品的id
3. 該網(wǎng)址可以直接發(fā)起請(qǐng)求獲取數(shù)據(jù)
我是政胤 期待你的關(guān)注
"""
 
import time
from datetime import datetime
 
import pathlib as pl
import requests
import pandas as pd
 
 
class Spider:
    """
    爬取網(wǎng)站數(shù)據(jù)的爬蟲對(duì)象
    """
 
    def __init__(self, starttime: str = None, endtime: str = None, classid: int = 48):
        """
        初始化對(duì)象屬性
        :param starttime: 數(shù)據(jù)的起始日期,文本日期格式,示例 2022-1-1
        :param endtime: 數(shù)據(jù)的結(jié)束日期,文本日期格式,示例 2022-1-1
        :param classid: 商品id,默認(rèn)48
        """
        self.classid = classid  # 商品id
        self.data = pd.DataFrame()  # 初始化空dataframe
        self.data_file = pl.Path('./data/hutong.xlsx')  # 爬取的數(shù)據(jù)存儲(chǔ)文件
        # 列名字典
        self.cols_dict = {
            'createtime': '日期',
            'classid': '商品',
            'start': '開盤',
            'end': '收盤',
            'min': '最低',
            'max': '最高',
            'move': '漲跌',
            'move_percent': '漲跌百分比'
        }
        # 商品id字典
        self.classid_dict = {
            48: 'CU2206'
        }
        # 獲取爬取的開始時(shí)間與結(jié)束時(shí)間
        self.starttime, self.endtime = self.make_starttime_endtime(starttime=starttime, endtime=endtime)
        # 初始化需要爬取的url
        self.url = '(實(shí)際地址)/price?starttime={starttime}&endtime={endtime}&classid={classid}'
        # 初始化headers
        self.headers = {
            'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/99.0.4844.51 Safari/537.36',
            'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,image/avif,image/webp,image/apng,*/*;q=0.8,application/signed-exchange;v=b3;q=0.9',
            'Accept-Encoding': 'gzip, deflate, br',
            'Accept-Language': 'zh-CN,zh;q=0.9',
        }
 
    def make_starttime_endtime(self, starttime: str, endtime: str):
        """
        制作起始日期,邏輯如下;
        1.如果有傳入日期,則根據(jù)傳入的日期,定義起始日期與結(jié)束日期
        2.如果未傳入?yún)?shù),則根據(jù)讀取到的歷史數(shù)據(jù)文件中的最大日期作為起始日期、以當(dāng)前日期為結(jié)束日期
        3.如果未讀取到歷史數(shù)據(jù)文件,或文件中的最大日期為空,則以2021-1-1作為起始日期,以當(dāng)前日期作為結(jié)束日期
        :param starttime: 數(shù)據(jù)的起始日期,文本日期格式,示例 2022-1-1
        :param endtime: 數(shù)據(jù)的結(jié)束日期,文本日期格式,示例 2022-1-1
        :return:
        """
        self.read_data()  # 讀取歷史爬取數(shù)據(jù)
        now = datetime.now()  # 獲取當(dāng)前時(shí)間的時(shí)間戳整數(shù)部分
        if endtime:  # 如果非空
            year, month, day = endtime.split('-')
            endtime = int(now.replace(year=int(year), month=int(month), day=int(day)).timestamp())
        else:
            endtime = int(now.timestamp())
        if starttime:
            year, month, day = starttime.split('-')
            starttime = int(now.replace(year=int(year), month=int(month), day=int(day)).timestamp())
        else:
            starttime = self.data['日期'].max()
            if pd.isnull(starttime):  # 如果開始日期是空值
                starttime = int(now.replace(year=2021, month=1, day=1).timestamp())
            else:
                starttime = int(
                    now.replace(year=starttime.year, month=starttime.month, day=starttime.day).timestamp())
        return starttime, endtime
 
    def read_data(self):
        """
        讀取歷史數(shù)據(jù)
        :return:
        """
        if self.data_file.is_file():  # 如果歷史數(shù)據(jù)文件存在
            self.data = pd.read_excel(self.data_file)
            self.data['日期'] = self.data['日期'].map(lambda x: x.date())
        else:  # 如果歷史數(shù)據(jù)文件不存在,那么初始化一個(gè)只有列名的dataframe,
            self.data = pd.DataFrame(self.cols_dict.values()).set_index(0).T
 
    def crawl_data(self):
        """
        爬取數(shù)據(jù)
        :return:
        """
        retry_times = 0
        while retry_times < 10:  # 重試10次
            try:
                res = requests.get(
                    self.url.format(starttime=self.starttime, endtime=self.endtime, classid=self.classid),
                    headers=self.headers, timeout=30)
                if res.status_code == 200:  # 如果返回狀態(tài)至為200,進(jìn)行后續(xù)數(shù)據(jù)加工
                    data = pd.read_json(res.text)  # json格式轉(zhuǎn)換為dataframe
                    data['createtime'] = data['createtime'].map(lambda x: datetime.fromtimestamp(x).date())  # 時(shí)間戳日期轉(zhuǎn)換為日期
                    data.rename(columns=self.cols_dict, inplace=True)  # 重命名列
                    data = data[self.cols_dict.values()]  # 截取需要的列
                    data['商品'] = self.classid_dict.get(self.classid, '未知商品,請(qǐng)維護(hù)classid_dict字典')  # 轉(zhuǎn)換商品名
                    data.sort_values(by=['商品', '日期'], ascending=True, inplace=True)  # 按日期升序排序
                    return data
                else:
                    retry_times += 1
                    print(f'返回狀態(tài)碼是 {res.status_code},等待5秒后重新發(fā)起請(qǐng)求')
                    time.sleep(5)
            except Exception as e:
                retry_times += 1
                print(f'請(qǐng)求發(fā)生錯(cuò)誤,等待5秒后重新發(fā)起請(qǐng)求, 錯(cuò)誤信息: {e}')
                time.sleep(5)
        print('發(fā)起10次請(qǐng)求均未能獲得數(shù)據(jù)')
        return pd.DataFrame()
 
    def concat_and_write_data(self, data: pd.DataFrame):
        """
        合并數(shù)據(jù),并將數(shù)據(jù)寫入文件
        :param data: 傳入需要合并的數(shù)據(jù)
        :return:
        """
        self.data = pd.concat([self.data, data])  # 合并數(shù)據(jù)
        self.data = self.data.drop_duplicates(['日期', '商品'], keep='last')  # 數(shù)據(jù)根據(jù)商品名稱與日期進(jìn)行去重,每次保留最新的記錄
        if not self.data_file.parent.is_dir():  # 檢查數(shù)據(jù)文件的目錄是否存在,如不存在則創(chuàng)建新目錄
            self.data_file.parent.mkdir()
        self.data.to_excel(self.data_file, index=False, encoding='utf-8')  # 輸出數(shù)據(jù)為excel格式
 
    def run(self):
        """
        運(yùn)行程序
        :return:
        """
        data = spider.crawl_data()  # 運(yùn)行爬取
        if len(data) > 0:  # 如果爬取到的數(shù)據(jù)不為空
            self.concat_and_write_data(data)
            start = str(datetime.fromtimestamp(self.starttime))[:10]
            end = str(datetime.fromtimestamp(self.endtime))[:10]
            print(f'{start}至{end}數(shù)據(jù)爬取任務(wù)完成')
 
    def pivot_data(self):
        """
        將數(shù)據(jù)轉(zhuǎn)換為透視表式的格式
        :return:
        """
        data = self.data.copy()
        data['年月'] = data['日期'].map(lambda x: f'{str(x)[:7]}')
        data['日'] = data['日期'].map(lambda x: x.day)
        data = data.pivot_table(values='收盤', index='日', columns='年月', aggfunc='sum')
        data_mean = data.mean().to_frame().T
        data_mean.index = ['平均值']
        data = pd.concat([data, data_mean])
        data.to_excel(self.data_file.parent.parent / 'data.xlsx', encoding='utf-8')
if __name__ == '__main__':
    spider = Spider()
    spider.run()
    spider.pivot_data()
    print(spider.data)

總結(jié)

從技術(shù)角度來看,經(jīng)過一步步解析,任務(wù)是簡(jiǎn)單的,入門requests爬蟲以及入門pandas數(shù)據(jù)分析就可以完成(唯一的難度在找到合適的目標(biāo))。但是換個(gè)角度,從經(jīng)濟(jì)價(jià)值來看,又是很有價(jià)值的,即節(jié)約了某網(wǎng)站高昂的年費(fèi)(注:并不是說年費(fèi)不值得,只是局限在需求僅僅是CU2206一項(xiàng)數(shù)據(jù)上時(shí),性價(jià)比太低),同時(shí)又避免了人工操作的繁瑣,以及可能產(chǎn)生的錯(cuò)誤。用很小的學(xué)習(xí)成本就能解決大大的問題

到此這篇關(guān)于利用Python爬蟲爬取金融期貨數(shù)據(jù)的文章就介紹到這了,更多相關(guān)Python爬蟲金融期貨數(shù)據(jù)內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!

相關(guān)文章

最新評(píng)論