【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
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
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
68
20
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
1
暂无简介
Dart
798
197
🎉 (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
779
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
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
Ascend Extension for PyTorch
Python
376
446
无需学习 Kubernetes 的容器平台,在 Kubernetes 上构建、部署、组装和管理应用,无需 K8s 专业知识,全流程图形化管理
Go
16
1