详细文档可以参考看云： http://www.kancloud.cn/emptyset/dhydra/125528
dHydra数据QQ群：458920407
dHydra旨在为国内股票市场的量化交易分析提供一套数据清洗/存储的解决方案。 内容包含但不限于：
- 对TuShare接口提供的数据提供现成的存储（以及导出/导入）方案
- 获取3秒/条实时获取数据并持久化存储（以及导出/导入）
- 获取新浪Level-2数据（新浪普及版，10档盘口与逐笔数据）
- 数据可视化(TODO)
- 基于Level-2高频数据的回测系统(TODO)
- IMPORTANT: 由于在获取Level2高频数据时采用了异步io(asyncio)与多线程(threading)，作者精力有限，难以维护代码使它继续兼容python2。因此以后dHydra将只支持python3.4+版本
- 正在学习使用python进行数据分析/数据挖掘的同学
- 对金融市场进行大数据分析的企业和个人
- 量化投资分析师（Quant）
- 投机者
- python 3.4以上 (开发环境Ubuntu 15.10, python 3.5)，不对python2.7提供支持，多版本虚拟环境安装请参考安装dHydra文档
- mongodb 3.2
在命令行中输入以下命令进行安装——
pip install dHydra
pip install dHydra --upgrade
import dHydra
stock = dHydra.Stock() #实例化Stock类Stock.codeList- 类型 :
<class 'list'> - 说明 : 所有A股代码(例如300204)组成的list
- 类型 :
Stock.symbolList- 类型 :
<class 'list'> - 说明 : 所有A股符号(例如sz300204)组成的list
- 类型 :
Stock.basicInfo- 类型 :
<class 'dict'> - 说明 : 所有A股基本信息
- Stock.basicInfo["lastUpdated"] : 该信息获得时间
- Stock.basicInfo["codeList"] : 与
Stock.codeList相同 - Stock.basicInfo["basicInfo"] : dict类型的字段，包含A股基本信息
- timeToMarket : 上市日期
- bvps:每股账面净值
- totals:总股本（万）
- totalAssets：总资产（万）
- liquidAssets：流动资产
- name：名称
- industry：所属行业
- area：所属地区
- outstanding：流通股本
- reserved：公积金
- fixedAssets：固定资产
- eps：每股收益
- reservedPerShare：每股公积金
- 类型 :
-
Stock.fetch_realtime()： 发起一次http请求，获取3秒/条的所有A股实时数据（5档盘口）【耗时<0.5秒】 **返回：**dataframe, 共30列- time: 时间
- preclose:昨日收盘价
- price：现价
- high：今日最高价
- low:今日最低价
- open: 开盘价
- volume：成交量
- amount：成交额
- b1_v：买1手数(1手=100股)
- b1_p：买1价格
- ……买1到买5
- a1_v：卖1手数
- turn_over_ratio：换手率
使用范例：
import dHydra
stock = dHydra.Stock()
stock.fetch_realtime().head(5) #只显示前5行
open pre_close price high low volume amount b1_v b1_p \
0 18.21 18.21 18.08 18.47 17.93 986725 17948736.25 3 18.08
1 0.00 9.32 0.00 0.00 0.00 0 0.00 NaN 0.00
2 40.00 40.18 39.53 41.00 39.40 1647203 66075188.14 1 39.53
3 9.55 9.49 9.50 9.63 9.38 2172628 20614849.75 106 9.48
4 11.40 11.34 11.28 11.49 11.22 3032562 34412780.45 159 11.27
b2_v ... a2_p a3_v a3_p a4_v a4_p a5_v a5_p \
0 18 ... 18.19 7 18.20 20 18.25 2 18.26
1 NaN ... 0.00 NaN 0.00 NaN 0.00 NaN 0.00
2 10 ... 39.78 5 39.80 5 39.85 4 39.86
3 7 ... 9.51 115 9.52 186 9.53 184 9.54
4 124 ... 11.29 10 11.30 16 11.32 41 11.33
time code turn_over_ratio
0 2016-03-10 11:35:55 300444 1.430602
1 2016-03-10 11:35:55 000962 0.000000
2 2016-03-10 11:35:55 300493 5.490677
3 2016-03-10 11:35:55 002610 0.309419
4 2016-03-10 11:35:55 002363 0.786523
Stock.start_realtime()： 不断发起http请求的方式来获取3秒/条的所有A股实时数据（5档盘口），存储到mongodb。每天上午9点程序会自动更新一次所有股票的基本信息。使用此方法时需要注意计算机的本地时区必须是北京时间（东八区），否则程序会误以为不在交易期间而不发起http请求。Stock.export_realtime_csv()： 参数： date: 需要导出的日期。可以为空，默认为今天。日期格式：YYYY-MM-DD end： 可以为空，默认为今天日期+1日。日期格式：YYYY-MM-DD resample： pandas.DataFrame对时间序列的处理。可以为空，默认不处理。参数说明参考这里。 e.g: 如果resample="T"，则会按照每1分钟1条数据的方式（取当分钟最后一条数据）导出，如果resample="15S"，则是15秒/条导出。 会在程序运行的当前路径生成data/stock_realtime/日期/股票代码.csv文件 使用范例：
import dHydra
stock = dHydra.Stock()
stock.export_realtime_csv(date="2016-03-04",resample="T")
stock.export_realtime_csv(date="2016-03-03")
-
Stock.start_sina(callback)参数： callback：可以为空，如果为空系统默认会将message输出到屏幕上
- 类型：asyncio.coroutine
- 说明：异步回调函数（严格意义上它不是函数，而是一个coroutine），用于处理Websocket接受到的实时数据(message)
- message格式说明：
使用范例：
import dHydra
import asyncio
stock = dHydra.Stock()
# 这里是异步回调函数的内容，用于处理websocket接收到的消息
@asyncio.coroutine
def print_msg(message):
print(message) #这里是处理逻辑，或许你想把它存入mongodb，或者做一些实时计算
stock.start_sina(callback = print_msg)
-
Stock.sina_l2_hist(thread_num)参数 thread_num：（可选）开启线程的数量，默认为15个线程。开启15个线程大概占用20M带宽 说明 将会在当前路径
data/stock_l2/日期目录下建立csv文件