TuShare中源码分析(获取个股数据和基本面宏观数据)

今天，我们来分析下TuShare中的源码，TuShare源码的入口是__init__.py文件，我们从这个文件开始分析，找到获取个股历史交易记录并进行分析。

1、入口

# -*- coding:utf-8 -*- import codecs import os

__version__ = codecs.open(os.path.join(os.path.dirname(__file__), 'VERSION.txt')).read() __author__ = 'Jimmy Liu' 

上面的代码是TuShare的版本和作者

2、个股交易数据

""" for trading data """ from tushare.stock.trading import (get_hist_data, get_tick_data, get_today_all, get_realtime_quotes, get_h_data, get_today_ticks, get_index, get_hists, get_k_data, get_day_all, get_sina_dd, bar, tick, get_markets, quotes, get_instrument, reset_instrument) 

上面代码说明TuShare的16个交易数据API是从stock下的trading模块打包出来的。
我们打开源码stock目录下的trading.py文件，先分析trading.py的依赖项

from __future__ import division import time import json import lxml.html from lxml import etree import pandas as pd import numpy as np import datetime from tushare.stock import cons as ct	# 引入cons.py，包含股票相关常量定义 import re from pandas.compat import StringIO from tushare.util import dateu as du	# 引入dateu.py，日期、交易日历的处理 from tushare.util.formula import MA # 引入formula.py，包含股票常用指标 import os from tushare.util.conns import get_apis, close_apis		# 引入conns.py，连接爬取外部数据的API from tushare.stock.fundamental import get_stock_basics	# 引入fundamental.py，包含基本面数据接口 try: from urllib.request import urlopen, Request
except ImportError: from urllib2 import urlopen, Request 

我们可以看出，引入了5个模块：cons.py包含股票相关常量定义，dateu.py包含对日期、交易日历的处理，formula.py包含股票常用指标，conns.py包含连接爬取外部数据的API，fundamental.py包含基本面数据接口 。

2.1、API：获取凤凰财经个股历史交易记录

 def get_hist_data(code=None, start=None, end=None, ktype='D', retry_count=3, pause=0.001): 

代码中有获取个股历史交易记录API的详细说明：

 """
        获取个股历史交易记录
    Parameters ------ code:string
                  股票代码 e.g. 600848 start:string
                  开始日期 format：YYYY-MM-DD 为空时取到API所提供的最早日期数据
      end:string
                  结束日期 format：YYYY-MM-DD 为空时取到最近一个交易日数据
      ktype：string
                  数据类型，D=日k线 W=周 M=月 5=5分钟 15=15分钟 30=30分钟 60=60分钟，默认为D retry_count : int, 默认 3 如遇网络等问题重复执行的次数 
      pause : int, 默认 0 重复请求数据过程中暂停的秒数，防止请求间隔时间太短出现的问题 return ------- DataFrame
          属性:日期 ，开盘价， 最高价， 收盘价， 最低价， 成交量， 价格变动 ，涨跌幅，5日均价，10日均价，20日均价，5日均量，10日均量，20日均量，换手率 """ 

参数	缺省值	说明
ktype	‘D’	表示数据类型缺省是日线
retry_count	3	表示爬取外部数据请求时最多尝试3次
pause	0.001	表示多次尝试爬取请求过程中暂停0.001秒

 symbol = ct._code_to_symbol(code) 

我们在cons.py中找到_code_to_symbol

def _code_to_symbol(code): '''
        生成symbol代码标志 ''' if code in INDEX_LABELS: return INDEX_LIST[code] elif code[:3] == 'gb_': return code else: if len(code) != 6 : # 如果输入的不是一个6位数的股票代码 return code		# 直接返回代码 else: return 'sh%s'%code if code[:1] in ['5', '6', '9'] or code[:2] in ['11', '13'] else 'sz%s'%code	
            # 输入的是一个6位数的股票代码，代码前1位是5、6、9，或者前2位是11、13，是上证股票代码，
            # 否则是深证股票代码，返回带市场的股票代码 

_code_to_symbol主要是对输入的股票代码进行判断，然后格式化成股票代码的标准格式，例如：sh600000

代码	cons.py中对应内容	说明
return INDEX_LIST[code]	INDEX_LABELS = [‘sh’, ‘sz’, ‘hs300’, ‘sz50’, ‘cyb’, ‘zxb’, ‘zx300’, ‘zh500’] \n INDEX_LIST = {‘sh’: ‘sh000001’, ‘sz’: ‘sz399001’, ‘hs300’: ‘sh000300’,‘sz50’: ‘sh000016’, ‘zxb’: ‘sz399005’, ‘cyb’: ‘sz399006’, ‘zx300’: ‘sz399008’, ‘zh500’:‘sh000905’}	根据缩写指标代码返回指标对应的完整指标代码

 url = '' if ktype.upper() in ct.K_LABELS: url = ct.DAY_PRICE_URL%(ct.P_TYPE['http'], ct.DOMAINS['ifeng'], ct.K_TYPE[ktype.upper()], symbol) # 拼装日线对应凤凰网数据请求API的url 

代码	cons.py中对应内容	说明
ct.K_LABELS	K_LABELS = [‘D’, ‘W’, ‘M’]	数据类型，D：日线，W：周线，M：月线
ct.DAY_PRICE_URL	DAY_PRICE_URL = ‘%sapi.finance.%s/%s/?code=%s&type=last’	凤凰网获取日线的URL
ct.P_TYPE[‘http’]-	P_TYPE = {‘http’: ‘http://’, ‘ftp’: ‘ftp://’}-	http请求类型
ct.DOMAINS[‘ifeng’]-	‘ifeng’: ‘ifeng.com’-	数据来源凤凰
ct.K_TYPE	K_TYPE = {‘D’: ‘akdaily’, ‘W’: ‘akweekly’, ‘M’: ‘akmonthly’}	数据类型和凤凰网对应的数据类型，D：日线，W：周线，M：月线

 elif ktype in ct.K_MIN_LABELS: url = ct.DAY_PRICE_MIN_URL%(ct.P_TYPE['http'], ct.DOMAINS['ifeng'], symbol, ktype) # 拼装分钟线对应凤凰网数据请求API的url else: raise TypeError('ktype input error.') 

代码	cons.py中对应内容	说明
ct.K_MIN_LABELS	K_MIN_LABELS = [‘5’, ‘15’, ‘30’, ‘60’]	分钟线：5分钟线、15分钟线、30分钟线、小时线
ct.DAY_PRICE_MIN_URL	DAY_PRICE_MIN_URL = ‘%sapi.finance.%s/akmin?scode=%s&type=%s’	凤凰网获取分钟线的URL
ct.P_TYPE[‘http’]-	P_TYPE = {‘http’: ‘http://’, ‘ftp’: ‘ftp://’}-	http请求类型
ct.DOMAINS[‘ifeng’]-	‘ifeng’: ‘ifeng.com’-	数据来源凤凰财经
ct.K_TYPE	K_TYPE = {‘D’: ‘akdaily’, ‘W’: ‘akweekly’, ‘M’: ‘akmonthly’}	数据类型，D：日线，W：周线，M：月线

我们在这里给出两上请求凤凰网数据的示例，
a、请求上海证券交易所600000浦发银行的日线数据对应的URL：

http://api.finance.ifeng.com/akdaily/?code=sh600000&type=last 

b、请求上海证券交易所600000浦发银行的周线数据对应的URL：

http://api.finance.ifeng.com/akweekly/?code=sh600000&type=last 

c、请求一个不个不存在的股票数据，返回空数据

http://api.finance.ifeng.com/akdaily/?code=sh69999&type=last 

返回内容为13个字节的空记录内容

{"record":{}} 

在这里，我们展开说一下，我们可以通过凤凰财经的页面来分析爬取数据的URL，我们以浦发银行sh600000为例，打开浦发银行的行情页面：

http://finance.ifeng.com/app/hq/stock/sh600000/ 

按F12打开开发者工具，切换到Network页面，在行情页面点击日k、周k、月k、15分、30分等进行数据类型切换，在Network页面查看请求的变化，分析对应的请求，我们就可以找到数据请求的API。

 for _ in range(retry_count): # 尝试爬取retry_count次
        time.sleep(pause) # 休眠pause秒 try: request = Request(url) # 请求打开URL页面
            lines = urlopen(request, timeout = 10).read() # 保存返回页面内容到lines中 if len(lines) < 15: # 根据返回内容的长度来判断是否有数据，空数据返回{"record":{}} return None
        except Exception as e: print(e) # 如果出现异常，打印异常信息 else: 

凤凰财经返回的数据是JSON格式，下面代码是对爬取数据的处理

 js = json.loads(lines.decode('utf-8') if ct.PY3 else lines) cols = [] if (code in ct.INDEX_LABELS) & (ktype.upper() in ct.K_LABELS): cols = ct.INX_DAY_PRICE_COLUMNS else: cols = ct.DAY_PRICE_COLUMNS if len(js['record'][0]) == 14: # 如果第列是14个元素，代表是指标数据
                cols = ct.INX_DAY_PRICE_COLUMNS # 根据行记录数据创建DataFrame对象
            df = pd.DataFrame(js['record'], columns=cols) if ktype.upper() in ['D', 'W', 'M']: df = df.applymap(lambda x: x.replace(u',', u'')) df[df==''] = 0 for col in cols[1:]: df[col] = df[col].astype(float) # 进行类型转换 if start is not None: df = df[df.date >= start] # 保留开始时间之后的数据 if end is not None: df = df[df.date <= end] # 保留结束时间之前的数据 if (code in ct.INDEX_LABELS) & (ktype in ct.K_MIN_LABELS): df = df.drop('turnover', axis=1) df = df.set_index('date') # 按date字段设置索引
            df = df.sort_index(ascending = False) # 按索引进行排序 return df
    raise IOError(ct.NETWORK_URL_ERROR_MSG) 

代码	cons.py中对应内容	说明
ct.INDEX_LABELS	INDEX_LABELS = [‘sh’, ‘sz’, ‘hs300’, ‘sz50’, ‘cyb’, ‘zxb’, ‘zx300’, ‘zh500’]	凤凰财经对应的指数代码
ct.INX_DAY_PRICE_COLUMNS	INX_DAY_PRICE_COLUMNS = [‘date’, ‘open’, ‘high’, ‘close’, ‘low’, ‘volume’, ‘price_change’, ‘p_change’,‘ma5’, ‘ma10’, ‘ma20’, ‘v_ma5’, ‘v_ma10’, ‘v_ma20’]	指标日线数据每列的元素
ct.DAY_PRICE_COLUMNS	DAY_PRICE_COLUMNS = [‘date’, ‘open’, ‘high’, ‘close’, ‘low’, ‘volume’, ‘price_change’, ‘p_change’,‘ma5’, ‘ma10’, ‘ma20’, ‘v_ma5’, ‘v_ma10’, ‘v_ma20’, ‘turnover’]	股票日线数据每列的元素

2.2、API：获取分笔数据

def get_tick_data(code=None, date=None, retry_count=3, pause=0.001, src='sn'): 

代码中有获取分笔数据API的详细说明：

 """
        获取分笔数据
    Parameters ------ code:string
                  股票代码 e.g. 600848 date:string
                  日期 format: YYYY-MM-DD retry_count : int, 默认 3 如遇网络等问题重复执行的次数
        pause : int, 默认 0 重复请求数据过程中暂停的秒数，防止请求间隔时间太短出现的问题
        src : 数据源选择，可输入sn(新浪)、tt(腾讯)、nt(网易)，默认sn return ------- DataFrame 当日所有股票交易数据(DataFrame) 属性:成交时间、成交价格、价格变动，成交手、成交金额(元)，买卖类型 """ 

参数	缺省值	说明
retry_count	3	表示爬取外部数据请求时最多尝试3次
pause	0.001	表示多次尝试爬取请求过程中暂停0.001秒
src	‘sn’	表示数据源选择新浪

 if (src.strip() not in ct.TICK_SRCS): print(ct.TICK_SRC_ERROR) return None				# 非法数据源，返回None
    symbol = ct._code_to_symbol(code) # 根据code获取symbol代码
    symbol_dgt = ct._code_to_symbol_dgt(code) # 根据code获取symbol_dgt代码
    datestr = date.replace('-', '') # 日期YYYY-MM-DD格式调整至YYYYMMDD格式 

代码	cons.py中对应内容	说明
ct.TICK_SRCS	TICK_SRCS = [‘sn’, ‘tt’, ‘nt’]	分笔数据源，sn(新浪)、tt(腾讯)、nt(网易)
ct.INX_DAY_PRICE_COLUMNS	INX_DAY_PRICE_COLUMNS = [‘date’, ‘open’, ‘high’, ‘close’, ‘low’, ‘volume’, ‘price_change’, ‘p_change’,‘ma5’, ‘ma10’, ‘ma20’, ‘v_ma5’, ‘v_ma10’, ‘v_ma20’]	指标日线数据每列的元素
ct.DAY_PRICE_COLUMNS	DAY_PRICE_COLUMNS = [‘date’, ‘open’, ‘high’, ‘close’, ‘low’, ‘volume’, ‘price_change’, ‘p_change’,‘ma5’, ‘ma10’, ‘ma20’, ‘v_ma5’, ‘v_ma10’, ‘v_ma20’, ‘turnover’]	股票日线数据每列的元素

 url = { ct.TICK_SRCS[0] : ct.TICK_PRICE_URL % (ct.P_TYPE['http'], ct.DOMAINS['sf'], ct.PAGES['dl'], date, symbol), ct.TICK_SRCS[1] : ct.TICK_PRICE_URL_TT % (ct.P_TYPE['http'], ct.DOMAINS['tt'], ct.PAGES['idx'], symbol, datestr), ct.TICK_SRCS[2] : ct.TICK_PRICE_URL_NT % (ct.P_TYPE['http'], ct.DOMAINS['163'], date[0:4], datestr, symbol_dgt) } # 拼装分笔数据请求的URL 

代码	cons.py中对应内容	说明
ct.TICK_PRICE_URL	TICK_PRICE_URL = ‘%smarket.%s/%s?date=%s&symbol=%s’	新浪分笔数据请求
ct.DOMAINS[‘sf’]	‘sf’: ‘finance.sina.com.cn’	数据来源新浪
ct.PAGES[‘dl’]	‘dl’: ‘downxls.php’	数据来源页面
ct.TICK_PRICE_URL_TT	TICK_PRICE_URL_TT = ‘%sstock.%s/data/%s?appn=detail&action=download&c=%s&d=%s’	腾讯分笔数据请求
ct.DOMAINS[‘tt’]	‘tt’: ‘gtimg.cn’	数据来源腾讯
ct.PAGES[‘idx’]	‘idx’: ‘index.php’	数据来源页面
ct.TICK_PRICE_URL_NT	TICK_PRICE_URL_NT = ‘%squotes.%s/cjmx/%s/%s/%s.xls’	网易分笔数据请求
ct.DOMAINS[‘163’]	‘163’: ‘money.163.com’	数据来源网易

新浪分笔数据请求示例：

http://market.finance.sina.com.cn/downxls.php?date=20200826&symbol=sh600000 

服务已经下线，可惜。

腾讯分笔数据请求示例：

http://stock.gtimg.cn/data/index.php?appn=detail&action=download&c=sh600000&d=20200826 

请求的Excel数据如下：

网易分笔数据请求示例：

http://quotes.money.163.com/cjmx/2020/20200826/0600000.xls 

说明：

http://quotes.money.163.com/cjmx/[今年年份]/[日期]/[股票代码].xls
返回结果：获取历史成交明细XLS文件。
注意，只能获取5日内的数据，之前的数据不会存在。
注意，该方法为网易公开获取数据方法，推荐使用。 

下面代码是对爬取数据的处理

 for _ in range(retry_count): # 尝试爬取retry_count次
        time.sleep(pause) # 休眠pause秒 try: if src == ct.TICK_SRCS[2]: df = pd.read_excel(url[src]) # 操作读取excel文件
                df.columns = ct.TICK_COLUMNS else: re = Request(url[src]) # 请求打开URL页面
                lines = urlopen(re, timeout=10).read() # 保存返回页面内容到lines中
                lines = lines.decode('GBK') if len(lines) < 20: return None
                df = pd.read_table(StringIO(lines), names=ct.TICK_COLUMNS, skiprows=[0]) except Exception as e: print(e) else: return df
    raise IOError(ct.NETWORK_URL_ERROR_MSG) 

3、基本面数据

""" for trading data """ from tushare.stock.fundamental import (get_stock_basics, get_report_data, get_profit_data, get_operation_data, get_growth_data, get_debtpaying_data, get_cashflow_data, get_balance_sheet, get_profit_statement, get_cash_flow) 

上面代码说明TuShare的10个基本面数据API是从stock下的fundamental模块打包出来的。
我们打开源码stock目录下的fundamental.py文件，先分析fundamental.py的依赖项

import pandas as pd from tushare.stock import cons as ct	# 引入cons.py，包含股票相关常量定义 import lxml.html from lxml import etree import re import time from pandas.compat import StringIO from tushare.util import dateu as du	# 引入dateu.py，日期、交易日历的处理 try: from urllib.request import urlopen, Request
except ImportError: from urllib2 import urlopen, Request 

3.1、API：获取沪深上市公司基本情况

def get_stock_basics(date=None): 

代码中有获取获取沪深上市公司基本情况API的详细说明：

"""
        获取沪深上市公司基本情况
    Parameters
    date:日期YYYY-MM-DD，默认为上一个交易日，目前只能提供2016-08-09之后的历史数据

    Return -------- DataFrame
               code,代码
               name,名称
               industry,细分行业
               area,地区
               pe,市盈率
               outstanding,流通股本
               totals,总股本(万) totalAssets,总资产(万) liquidAssets,流动资产
               fixedAssets,固定资产
               reserved,公积金
               reservedPerShare,每股公积金
               eps,每股收益
               bvps,每股净资
               pb,市净率
               timeToMarket,上市日期 """ 

 wdate = du.last_tddate() if date is None else date	# 获取最后一个交易日
    wdate = wdate.replace('-', '') # 日期YYYY-MM-DD格式调整至YYYYMMDD格式 if wdate < '20160809': return None // 2016年8月9日之前没有数据 # 获取日期前缀，格式如：'201608/' datepre = '' if date is None else wdate[0:4] + wdate[4:6] + '/' # 拼接URL并Request
    request = Request(ct.ALL_STOCK_BASICS_FILE%(datepre, '' if date is None else wdate)) text = urlopen(request, timeout=10).read() # 保存返回的内容到text中
    text = text.decode('GBK') text = text.replace('--', '') df = pd.read_csv(StringIO(text), dtype={'code':'object'}) # 读取vsv文件
    df = df.set_index('code') # 设置code字段为索引 return df 

我们在dateu.py中找到last_tddate，这个函数用于获取最后一个交易日

def last_tddate(): today = datetime.datetime.today().date() # 获取当天的日期
    today=int(today.strftime("%w")) # %w 星期（0-6），获取当天是星期几 if today == 0: return day_last_week(-2) # 周日，返回上这个星期的两一天的日期（周五） else: return day_last_week(-1) # 非周日，返回上这个星期的上一天的日期 

我们在dateu.py中找到day_last_week，这个函数用于获取最后一个星期第几天的日期

def day_last_week(days=-7): lasty = datetime.datetime.today().date() + datetime.timedelta(days) return str(lasty) 

代码	cons.py中对应内容	说明
ct.ALL_STOCK_BASICS_FILE	ALL_STOCK_BASICS_FILE = P_TYPE[‘http’] + DOMAINS[‘oss’] + ‘/tsdata/%sall%s.csv’	Tushare财经数据包拼接URL格式
DOMAINS[‘oss’]	‘oss’: ‘file.tushare.org’	Tushare财经数据包

示例，获取2020年8月26日的沪深上市公司基本情况：

http://file.tushare.org/tsdata/202008/all20200826.csv 

返回csv结果文件如下：

3.2、API：获取业绩报表数据

我们打开源码stock目录下的fundamental.py文件，找到获取业绩报表数据API函数get_report_data

def get_report_data(year, quarter): 

代码中有获取业绩报表数据API的详细说明：

 """
        获取业绩报表数据
    Parameters -------- year:int 年度 e.g:2014 quarter:int 季度 :1、2、3、4，只能输入这4个季度
       说明：由于是从网站获取的数据，需要一页页抓取，速度取决于您当前网络速度
       
    Return -------- DataFrame
        code,代码
        name,名称
        eps,每股收益
        eps_yoy,每股收益同比(%) bvps,每股净资产
        roe,净资产收益率(%) epcf,每股现金流量(元) net_profits,净利润(万元) profits_yoy,净利润同比(%) distrib,分配方案
        report_date,发布日期 """ 

 if ct._check_input(year,quarter) is True: # 检查输入的年度、季度是否准确
        ct._write_head() df = _get_report_data(year, quarter, 1, pd.DataFrame()) if df is not None: #             df = df.drop_duplicates('code') df['code'] = df['code'].map(lambda x:str(x).zfill(6)) return df 

我们在cons.py中找到_check_input，这个函数用于校验输入的年度、季度

def _check_input(year, quarter): if isinstance(year, str) or year < 1989 : # 年度不是字符串或年小于1989，抛出类型错误异常
        # DATE_CHK_MSG = '年度输入错误：请输入1989年以后的年份数字，格式：YYYY' raise TypeError(DATE_CHK_MSG) elif quarter is None or isinstance(quarter, str) or quarter not in [1, 2, 3, 4]: # 季度不是字符串或不是1、2、3、4，抛出类型错误异常
        # DATE_CHK_Q_MSG = '季度输入错误：请输入1、2、3或4数字' raise TypeError(DATE_CHK_Q_MSG) else: return True 

我们在cons.py中找到_write_head，这个函数用于写头部标识

def _write_head(): sys.stdout.write(DATA_GETTING_TIPS) # DATA_GETTING_TIPS = '[Getting data:]' sys.stdout.flush() 

我们在fundamental.py中找到_get_report_data，这个函数用于获取业绩报表数据

def _get_report_data(year, quarter, pageNo, dataArr, retry_count=3, pause=0.001): 

参数	说明
year	年度
quarter	季度
pageNo	分页编码，编号从1开始
retry_count	爬取数据重连次数
pause	爬取数据重连时睡眠秒数

 ct._write_console() for _ in range(retry_count): time.sleep(pause) try: # 拼接获取业绩报表数据URL并Request
            request = Request(ct.REPORT_URL%(ct.P_TYPE['http'], ct.DOMAINS['vsf'], ct.PAGES['fd'], year, quarter, pageNo, ct.PAGE_NUM[1])) text = urlopen(request, timeout=10).read() # 保存业绩报表数据
            text = text.decode('GBK') text = text.replace('--', '') # 清除<td>--</td>格式数据
            html = lxml.html.parse(StringIO(text)) # 解析<table class="list_table" id="dataTable">中的数据内容
            res = html.xpath("//table[@class=\"list_table\"]/tr") if ct.PY3: sarr = [etree.tostring(node).decode('utf-8') for node in res] else: sarr = [etree.tostring(node) for node in res] sarr = ''.join(sarr) sarr = '<table>%s</table>'%sarr	# 把list_table中的数据再拼接成一个table
            # 通过read_html直接获取表格数据，得到table表格的list集合。
            df = pd.read_html(sarr)[0] df = df.drop(11, axis=1) df.columns = ct.REPORT_COLS # 把表格数据保存到DataFrame对象dataArr中
            dataArr = dataArr.append(df, ignore_index=True) nextPage = html.xpath('//div[@class=\"pages\"]/a[last()]/@onclick') if len(nextPage)>0: pageNo = re.findall(r'\d+', nextPage[0])[0] # 通过正则查找下一页的页码
                # 继续获取下一页的业绩报表数据 return _get_report_data(year, quarter, pageNo, dataArr) else: return dataArr
        except Exception as e: pass
    raise IOError(ct.NETWORK_URL_ERROR_MSG) 

代码	cons.py中对应内容	说明
ct.PORT_URL	REPORT_URL = ‘%s%s/q/go.php/vFinanceAnalyze/kind/mainindex/%s?s_i=&s_a=&s_c=&reportdate=%s&quarter=%s&p=%s&num=%s’	新浪业绩报表URL格式
ct.DOMAINS[‘vsf’]	‘vsf’: ‘vip.stock.finance.sina.com.cn’	新浪财经股票数据中心
ct.PAGE_NUM[1]	PAGE_NUM = [40, 60, 80, 100]	第页包含的数据记录条数

示例，获取2020年1季度的业绩报表数据：

http://vip.stock.finance.sina.com.cn/q/go.php/vFinanceAnalyze/kind/mainindex/2020?s_i=&s_a=&s_c=&reportdate=%s&quarter=1&p=1&num=40 

返回结果页面如下：

我们查看页面源代码，业绩报表数据都在table中

4、宏观数据

for macro data
"""
from tushare.stock.macro import (get_gdp_year, get_gdp_quarter,
                                 get_gdp_for, get_gdp_pull,
                                 get_gdp_contrib, get_cpi,
                                 get_ppi, get_deposit_rate,
                                 get_loan_rate, get_rrr,
                                 get_money_supply, get_money_supply_bal,
                                 get_gold_and_foreign_reserves) 

上面代码说明TuShare的13个宏观数据API是从stock下的macro模块打包出来的。
我们打开源码stock目录下的macro.py文件，先分析macro.py的依赖项

import pandas as pd import numpy as np import re import json from tushare.stock import macro_vars as vs	# 引入macro_vars.py，包含宏观数据相关常量定义 from tushare.stock import cons as ct		# 引入cons.py，包含股票相关常量定义 try: from urllib.request import urlopen, Request
except ImportError: from urllib2 import urlopen, Request 

4.1、API：获取年度国内生产总值数据

def get_gdp_year(): 

代码中有获取年度国内生产总值数据API的详细说明：

 """
        获取年度国内生产总值数据
    Return -------- DataFrame
        year :统计年度
        gdp :国内生产总值(亿元) pc_gdp :人均国内生产总值(元) gnp :国民生产总值(亿元) pi :第一产业(亿元) si :第二产业(亿元) industry :工业(亿元) cons_industry :建筑业(亿元) ti :第三产业(亿元) trans_industry :交通运输仓储邮电通信业(亿元) lbdy :批发零售贸易及餐饮业(亿元) """ 

 rdint = vs.random() # 拼接获取年度国内生产总值数据的URL request = Request(vs.MACRO_URL%(vs.P_TYPE['http'], vs.DOMAINS['sina'], rdint, vs.MACRO_TYPE[0], 0, 70, rdint)) text = urlopen(request, timeout=10).read() text = text.decode('gbk') if ct.PY3 else text
    regSym = re.compile(r'\,count:(.*?)\}') datastr = regSym.findall(text) datastr = datastr[0] datastr = datastr.split('data:')[1] datastr = datastr.replace('"', '').replace('null', '0') js = json.loads(datastr) df = pd.DataFrame(js, columns=vs.GDP_YEAR_COLS) df[df==0] = np.NaN return df 

代码	cons.py中对应内容	说明
vs.MACRO_URL	MACRO_URL = ‘%smoney.finance.%s/mac/api/jsonp.php/SINAREMOTECALLCALLBACK%s/MacPage_Service.get_pagedata?cate=%s&event=%s&from=0&num=%s&condition=&_=%s’	新浪获取年度国内生产总值数据URL格式
ct.DOMAINS[‘sina’]	‘sina’: ‘sina.com.cn’	新浪财经股票数据中心
vs.MACRO_TYPE[0]	MACRO_TYPE = [‘nation’,‘price’,‘fininfo’]

示例，获取年度国内生产总值数据：

http://money.finance.sina.com.cn/mac/api/jsonp.php/SINAREMOTECALLCALLBACK5564253726144/MacPage_Service.get_pagedata?cate=nation&event=0&from=0&num=70&condition=&_=5564253726144 

这个地址无法正常获取，代码还需要完善。
在http://finance.sina.com.cn/mac/#nation-0-0-31-1中我们可以查看新浪的宏观数据，如果需要，我们需要自己扩展。

本文地址：https://blog.csdn.net/weixin_41245990/article/details/108242485