بسته پایتون بورس تهران در پایتون
احتمالا یکی از دلایل آشنایی شما با این وبسایت ممکنه کتابخانه بورس تهران در پایتون باشه.
این کتابخانه الان بعد از تقریبا ۳ سال فعالیت
بیش از ۳۳۰
ستاره داره.
امروز به صورت رسمی نسخه شماره ۱.۰.۰ این کتابخانه منتشر شده و شما می‌تونید با دستور زیر اون رو نصب کنید:
$ pip install tehran-stocks
در این نسخه تغییرهای زیادی صورت گرفته که بخشی از اون‌ها مربوط به افزایش سرعت عملکرد کتابخانه و برخی مربوط به دسترسی بیشتر به اطلاعات بورس تهران هست.
- بهبود سرعت راهاندازی اولیه از ۱۰ دقیقه به زیر ۳۰ ثانیه برای دریافت لیست سهام
- افزایش ۵ برابری سرعت دریافت قیمت کل بازار
(وابسته به سرعت اینترنت)
- دریافت اطلاعت ۲۱ سال
- دریافت بیش از ۱.۲ میلیون روز/قیمت/سهم
- بروزرسانی روزانه قیمت بازار در کمتر از ۱ دقیقه
- دریافت قیمت‌لحظه‌ای سهام
- دریافت تغییرات در تعداد سهام در سال‌های گذشته
- دریافت تعدیل قیمت
- امکان تغییر دیتابیس به هر دیتابیس پشتیبانی شده توسط SQLAlchemy مثل Postgresql و MySQL
- سازگاری کامل با تقویم شمسی با کمک بسته jalali-pandas
امکاناتی که از قبل بوده و در این نسخه بهبود داده شده:
- دریافت تمامی قیمت‌های موجود در سایت بورس
- دریافت قیمت‌ها بر اساس گروه‌های سهام (مثل ETFها و خودروها و غیره)
- دسترسی به اطلاعات با خط فرمان
- ذخیره اطلاعات به صورت csv, excel و Stata(dta)
- سازگاری با
sqlalchemy - سازگاری با
PANDAS - استفاده از بسته
sqlite
راهنمای استفاده
برای تجربه تعاملی می‌تونید روی لینک زیر کلیک کنید و دستورها رو اونجا اجرا کنید: ( فعلا بخاطر برخی مشکلات این کد در کولب کار نمی‌کنه و شما باید اون رو دانلود کنید و در سیستم خودتون با پایتون ۳.۸ به بالا این نوت‌بوک رو تست کنید.
)
نصب کتابخانه
$ pip install tehran-stocks
راهاندازی کتابخانه
بعد از import کردن کتابخانه بعد از اولین بار سیستم به صورت خودکار اطلاعات نزدیک به ۷۵۰ سهم را دریافت می کند.
>>> from tehran_stocks import Stocks, db
making package folder...
Includes: config.yml and stocks.db if you are using sqlite.
you can change config.yml to your needs.
در این مرحله به ویرایش فایل
config.yml
می‌تونید دیتابیس خودتون رو از sqlite
به هر چیز دیگه تغییر بدید.
با اجرای دستورهای زیر می‌تونید سهم مورد نظر خودتون رو دریافت کنید:
from tehran_stocks import Stocks, db
# You can use query to find stocks
stock = Stocks.query.filter_by(name='كگل').first() #find by symbol(نماد)
stock = Stocks.query.filter_by(code='35700344742885862').first() # find by code on tsetmc url
stock = Stocks.query.filter(Stocks.title.like('%گل گهر%')).first() # Search by title
stock_list = Stocks.query.filter_by(group_code =34).all() # find all Stocks in Khodro
stock_list = Stocks.query.filter(Stocks.group_code.in_([13,34])).all() # all stocks in khodro and felezat
## (Advanced)or run sql query using orm or raw sql
db.session.query(Stocks.group_code, Stocks.group_name).group_by(Stocks.group_code).all()
db.session.execute('select group_code , group_name from stocks group by group_name').fetchall()
با اجرای دستورهای زیر می‌تونید اطلاعات مورد نیاز برای هر سهم رو بدست بیارید:
# دریافت دیتا در دیتافریم پانداس
>>> stock.df#
id code ticker dtyyyymmdd first high low close value vol openint per open last date
0 22491 35700344742885862 Gol-E-Gohar. 20040829 12000.0 12021.0 12000.0 12000.0 18841605000 1570000 2708 D 12000.0 12000.0 2004-08-29
>>> stock.summary()
Start date: 2004/08/29
End date: 2019/07/14
Total days: 2987
# انجام بروزرسانی قیمت سهم
>>> stock.update()
# دریافت خروجی در فرمت‌های مختلف
>>> stock.df.to_csv('price.csv')
>>> stock.df.to_excel('price.xlsx')
>>> stock.df.to_stata('price.dta')
دریافت اطلاعات لحظه‌ای و تاریخی
با اجرای دستورهای زیر می‌تونید اطلاعات لحظه مانند آخرین قیمت، آخرین حجم معامله و ارزش بازار سهم رو دریافت کنید. علاوه بر این تاریخچه تغییر در تعداد سهم(افزایش سرمایه) و تغییر قیمت بر اساس تقسیم سود یا موارد دیگر رو مشاهده کنید.
>>> stock.get_instant_detail()
{'time': '12:29:57',
'last_price': '12950',
'last_close': '13060',
'last_high': '13300',
'last_low': '13130',
'last_open': '13330',
'trade_count': '12760',
'trade_volume': '1140',
'trade_value': '4671236',
'market_cap': '60715047900',
'date_string': '20220404',
'time_string': '122957'}
# get change in share count
>>> stock.get_shares_history()
date new_shares old_shares gdate
0 1400-12-08 00:00:00 200.000 B 100.000 B 2022-02-27
1 1400-04-20 00:00:00 100.000 B 74.400 B 2021-07-11
# get change in price ~ dividend, split, etc.
>> stock.get_dividend()
date after before dividend gdate
0 1400-04-16 00:00:00 18770 20070 1300 2021-07-07
1 1399-04-18 00:00:00 16350 17250 900 2020-07-08
کار با داده‌های شمسی
برای کار با داده‌های شمسی به صورت ضمنی از کتابخانه
jalali-pandas
استفاده شده با کمک اون می‌تونید تحلیل‌های ادغامی برای ماه، سال، هفته و روز شمسی رو انجام بدید.
در زیر نمونه‌ای از این تحلیل‌ها رو می‌بینید.
df = stock.df
df.jalali.groupby("year").count()
df.jalali.groupby("md").mean()
df.jalali.groupby("year").max()['close']
# or any of ['year', 'month', 'day', 'week', 'dayofweek', 'dayofmonth', 'ym', 'yq', 'ymd', 'md']
اتصال به دیتابیس متفاوت
برای کار با دیتابیس‌های مختلف می‌تونید تظیمات موجود در config.yml که در آدرس زیر قرار داده شده را ویرایش کنید.
$ ~/.tse/config.yml #unix MacOS/Linux
$ C:\Users\User\{USERNAME}\.tse\config.yml #Windows
برای نمونه برای راهاندازی با یک دیتابیس postgresql می‌تونید از این تنظیمات استفاده کنید.
برای اینکار ممکنه نیاز به نصب
pyscopg2
داشته باشید.
database:
database: stocks
engine: postgresql
host: localhost
password: password
port: 5432
user: postgres
حمایت
برای حمایت از این پروژه راه‌های مختلفی وجود داره:
- مهمترین حمایت شما معرفی این کتابخانه به دوستانتون و در گروه‌ها و شبکه‌های اجتماعی که فعال کردید هست.
- ستاره دادن در گیتهاب
- مشترک شدن در کانال یوتوب من (که احتمالا برای من جذاب‌ترینه)
- حمایت با استفاده از بیتکوین
- خرید یک فنجان قهوه (که من احتمالا برای خرید یک قلم نوری ازش استفاده می‌کنم!) با پرداخت مبلغ دلخواه در لینک زیر:
