【免费下载】 Yahoo Finance API 使用教程
2026-01-19 11:06:45作者:温玫谨Lighthearted
项目介绍
Yahoo Finance API 是一个开源项目,旨在通过 Yahoo Finance 的公开 API 下载市场数据。该项目适用于研究和教育目的,提供了线程化和 Pythonic 的方式来访问 Yahoo Finance 的数据。用户在使用时应注意遵守 Yahoo 的条款和条件,该 API 主要用于个人使用。
项目快速启动
安装
首先,使用 pip 安装 yfinance 库:
pip install yfinance --upgrade --no-cache-dir
快速示例
以下是一个简单的 Python 脚本,用于获取 Apple 公司的股票数据:
import yfinance as yf
# 获取 Apple 公司的股票数据
apple = yf.Ticker("AAPL")
# 获取最近 5 天的历史数据
hist = apple.history(period="5d")
# 打印数据
print(hist)
应用案例和最佳实践
案例一:股票数据分析
使用 Yahoo Finance API 可以轻松获取股票的历史数据,进行技术分析或基本面分析。例如,可以计算股票的移动平均线,分析其趋势。
import yfinance as yf
import matplotlib.pyplot as plt
# 获取 Apple 公司的股票数据
apple = yf.Ticker("AAPL")
# 获取最近 30 天的历史数据
hist = apple.history(period="30d")
# 计算 5 天和 20 天的移动平均线
hist['MA5'] = hist['Close'].rolling(window=5).mean()
hist['MA20'] = hist['Close'].rolling(window=20).mean()
# 绘制图表
plt.figure(figsize=(14, 7))
plt.plot(hist['Close'], label='Close Price')
plt.plot(hist['MA5'], label='5-Day MA')
plt.plot(hist['MA20'], label='20-Day MA')
plt.legend()
plt.show()
案例二:实时监控股票价格
可以编写一个脚本,实时监控特定股票的价格,并在价格达到某个阈值时发送通知。
import yfinance as yf
import time
def monitor_stock(ticker, threshold):
stock = yf.Ticker(ticker)
while True:
price = stock.history(period="1d")['Close'][0]
print(f"Current price of {ticker}: {price}")
if price > threshold:
print(f"Alert: {ticker} price exceeded {threshold}!")
# 发送通知的代码可以在这里添加
time.sleep(60) # 每分钟检查一次
monitor_stock("AAPL", 150)
典型生态项目
项目一:Pandas 数据处理
Yahoo Finance API 获取的数据可以直接与 Pandas 库结合使用,进行复杂的数据处理和分析。
import yfinance as yf
import pandas as pd
# 获取 Apple 公司的股票数据
apple = yf.Ticker("AAPL")
# 获取最近一年的历史数据
hist = apple.history(period="1y")
# 使用 Pandas 进行数据处理
hist['Daily_Return'] = hist['Close'].pct_change()
hist['Cumulative_Return'] = (1 + hist['Daily_Return']).cumprod()
print(hist)
项目二:Matplotlib 数据可视化
结合 Matplotlib 库,可以将股票数据可视化,更直观地展示数据趋势。
import yfinance as yf
import matplotlib.pyplot as plt
# 获取 Apple 公司的股票数据
apple = yf.Ticker("AAPL")
# 获取最近一年的历史数据
hist = apple.history(period="1y")
# 绘制收盘价图表
plt.figure(figsize=(14, 7))
plt.plot(hist['Close'], label='Close Price')
plt.legend()
plt.show()
通过以上教程,您可以快速上手使用 Yahoo Finance API,并结合其他开源库进行更深入的数据分析和可视化。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
热门内容推荐
最新内容推荐
Degrees of Lewdity中文汉化终极指南:零基础玩家必看的完整教程Unity游戏翻译神器:XUnity Auto Translator 完整使用指南PythonWin7终极指南:在Windows 7上轻松安装Python 3.9+终极macOS键盘定制指南:用Karabiner-Elements提升10倍效率Pandas数据分析实战指南:从零基础到数据处理高手 Qwen3-235B-FP8震撼升级:256K上下文+22B激活参数7步搞定机械键盘PCB设计:从零开始打造你的专属键盘终极WeMod专业版解锁指南:3步免费获取完整高级功能DeepSeek-R1-Distill-Qwen-32B技术揭秘:小模型如何实现大模型性能突破音频修复终极指南:让每一段受损声音重获新生
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
567
3.83 K
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
892
667
Ascend Extension for PyTorch
Python
376
446
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
349
200
昇腾LLM分布式训练框架
Python
116
145
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.37 K
778
暂无简介
Dart
798
197
React Native鸿蒙化仓库
JavaScript
308
359
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
1.13 K
271