import tushare as ts
df = ts.get_k_data(‘600519‘,start=‘1900-01-01‘)

df.to_csv(‘./maotai.csv‘)

#输出该股票所有收盘比开盘上涨3%以上的日期

df = pd.read_csv(‘./maotai.csv‘)
df.drop(labels=‘Unnamed: 0‘,axis=1,inplace=True)

#验证data列中数据的数据类型
type(df[‘date‘][9])

#将date这一列的数据先转成时间类型然后将其作为原数据的行索引
df = pd.read_csv(‘./maotai.csv‘,index_col=‘date‘,parse_dates=[‘date‘])
df.drop(labels=‘Unnamed: 0‘,axis=1,inplace=True)

#（收盘-开盘）/开盘 > 0.03
(df[‘close‘] - df[‘open‘]) / df[‘open‘] > 0.03
#True:满足需求
#false：不满足

#返回了满足需求的行数据
df.loc[(df[‘close‘] - df[‘open‘]) / df[‘open‘] > 0.03]
#获取了满足需求的日期
df.loc[(df[‘close‘] - df[‘open‘]) / df[‘open‘] > 0.03].index

#结论：如果获取了一组布尔值，接下来改组布尔值就直接作为元数据的行索引

(df[‘open‘] - df[‘close‘].shift(1))/df[‘close‘].shift(1) < -0.02

#满足需求的行数据
df.loc[(df[‘open‘] - df[‘close‘].shift(1))/df[‘close‘].shift(1) < -0.02].index



df_new = df[‘2010‘:‘2019‘]
#数据的重新取样的机制(resample):根据指定好的规则进行指定数据的提取

df_monthly = df_new.resample(‘M‘).first()
#计算出买股票一共花了多少钱

cost_monry = df_monthly[‘open‘].sum()*100
df_yearly = df_new.resample(‘A‘).last()

df_yearly = df_yearly[:-1]

recv_monry = df_yearly[‘open‘].sum()*1200
last_price = df.iloc[-1][‘close‘]

cunHuo_price = last_price * 900

#计算总收益
cunHuo_price+recv_monry-cost_monry