京公网安备 11010802034615号
经营许可证编号:京B2-20210330
来源:麦叔编程
作者:麦叔
作为一个搞技术的金融从业者,看到这个开源项目的时候,我的内心就两个字:卧槽!
从金融角度上,它涵盖了全面的股票数据,做数据分析和排行,并给出购买参考建议。
虽然市面上专业的App也有这些数据和功能,但这可是你自己用代码运行的项目。你可以在此基础上,实践你的想法,修改代码,做你的分析,建立自己的优势。
如果只是会用App和街上的大妈有什么区别?那个金融从业者不会自己做数据分析?
从技术角度上,这个开源项目非常综合,涵盖了:
如果一个人能把这个项目从头到尾学会,搞定。他找到一份Python开发的工作应该问题不大。
我觉得吧:
我们其实不缺好的开源项目,缺的是从头到尾去研究透一个项目的专注和决心!
你觉得呢?留言说说你的看法。
找到一个适合自己的好的项目,去把它研究透,好过泛泛的去看100个开源项目。
不要太在意技术是否主流,技术是相通的,同样都是Python,解决的问题也是一样的,学好一个很快就能学好另外一个。
这个项目就特别适合做金融分析,或者对金融,炒股有兴趣的,并且在学Python的人,可以一举三得:
特点提醒:这个项目主要是作为Python学习目的推荐给大家,也推荐给做金融分析的人!
但是我不建议小白盲目去炒股,尤其是现在大盘已经站上了3600点,已经到了街上大妈都在讨论股票的时候!如果现在进去,做炮灰的概率很大。
这是一个基于Python的全栈股票系统,先来上截两张图:
它每天定时(6点)抓取股票数据,计算指标,然后给出推荐。用户使用网页查看数据,看可视化报表,定制的自己的需求。
所谓全栈,一般指后端开发和网页开发通吃。我们来分的更细一点,这个项目涵盖这些内容:
我建议分几个步骤去学习:
从技术上,我们只要把别人打包好的Docker文件下载下来,直接运行就行了,不用安装Python,配置各种包。
这里有个例外,一般数据库是需要安装好的,这个项目也是的,需要先自己安装和启动MySQL数据库。
jobs文件夹 - 这个是抓取数据的文件夹,先有数据,才能分析和展示web文件夹 - 这个网站和数据展示部分
下面是我用Docker成功运行项目的步骤:
https://docs.docker.com/get-docker/
https://dev.mysql.com/downloads/
3. 下载最新的Docker文件
docker pull pythonstock/pythonstock:latest
mkdir -p /tmp/data/notebooks #创建临时目录
docker run -itd --name stock
-v /tmp/data/notebooks:/data/notebooks
-p 8888:8888
-p 9999:9999
-e MYSQL_HOST=host.docker.internal # for using Docker-for-mac or Docker-for-Windows 18.03+
-e MYSQL_USER=root
-e MYSQL_PWD=root
-e MYSQL_DB=stock_data
pythonstock/pythonstock:latest
网站系统: http://localhost:9999
用jupyter做分析: http://localhost:8888
系统也支持通过Jupyter做实时的数据分析:
但登录Jupyter需要先获取token:
docker exec -it stock bash
jupyter notebook list
下面这是项目链接,点击查看原文也可以跳转到项目页面:https://github.com/pythonstock/stock
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在使用Excel透视表进行数据汇总分析时,我们常遇到“需通过两个字段相乘得到关键指标”的场景——比如“单价×数量=金额”“销量 ...
2025-11-14在测试环境搭建、数据验证等场景中,经常需要将UAT(用户验收测试)环境的表数据同步到SIT(系统集成测试)环境,且两者表结构完 ...
2025-11-14在数据驱动的企业中,常有这样的困境:分析师提交的“万字数据报告”被束之高阁,而一张简洁的“复购率趋势图+核心策略标注”却 ...
2025-11-14在实证研究中,层次回归分析是探究“不同变量组对因变量的增量解释力”的核心方法——通过分步骤引入自变量(如先引入人口统计学 ...
2025-11-13在实时数据分析、实时业务监控等场景中,“数据新鲜度”直接决定业务价值——当电商平台需要实时统计秒杀订单量、金融系统需要实 ...
2025-11-13在数据量爆炸式增长的今天,企业对数据分析的需求已从“有没有”升级为“好不好”——不少团队陷入“数据堆砌却无洞察”“分析结 ...
2025-11-13在主成分分析(PCA)、因子分析等降维方法中,“成分得分系数矩阵” 与 “载荷矩阵” 是两个高频出现但极易混淆的核心矩阵 —— ...
2025-11-12大数据早已不是单纯的技术概念,而是渗透各行业的核心生产力。但同样是拥抱大数据,零售企业的推荐系统、制造企业的设备维护、金 ...
2025-11-12在数据驱动的时代,“数据分析” 已成为企业决策的核心支撑,但很多人对其认知仍停留在 “用 Excel 做报表”“写 SQL 查数据” ...
2025-11-12金融统计不是单纯的 “数据计算”,而是贯穿金融业务全流程的 “风险量化工具”—— 从信贷审批中的客户风险评估,到投资组合的 ...
2025-11-11这个问题很有实战价值,mtcars 数据集是多元线性回归的经典案例,通过它能清晰展现 “多变量影响分析” 的核心逻辑。核心结论是 ...
2025-11-11在数据驱动成为企业核心竞争力的今天,“不知道要什么数据”“分析结果用不上” 是企业的普遍困境 —— 业务部门说 “要提升销量 ...
2025-11-11在大模型(如 Transformer、CNN、多层感知机)的结构设计中,“每层神经元个数” 是决定模型性能与效率的关键参数 —— 个数过少 ...
2025-11-10形成购买决策的四个核心推动力的是:内在需求驱动、产品价值感知、社会环境影响、场景便捷性—— 它们从 “为什么买”“值得买吗 ...
2025-11-10在数字经济时代,“数字化转型” 已从企业的 “可选动作” 变为 “生存必需”。然而,多数企业的转型仍停留在 “上线系统、收集 ...
2025-11-10在数据分析与建模中,“显性特征”(如用户年龄、订单金额、商品类别)是直接可获取的基础数据,但真正驱动业务突破的往往是 “ ...
2025-11-07在大模型(LLM)商业化落地过程中,“结果稳定性” 是比 “单次输出质量” 更关键的指标 —— 对客服对话而言,相同问题需给出一 ...
2025-11-07在数据驱动与合规监管双重压力下,企业数据安全已从 “技术防护” 升级为 “战略刚需”—— 既要应对《个人信息保护法》《数据安 ...
2025-11-07在机器学习领域,“分类模型” 是解决 “类别预测” 问题的核心工具 —— 从 “垃圾邮件识别(是 / 否)” 到 “疾病诊断(良性 ...
2025-11-06在数据分析中,面对 “性别与购物偏好”“年龄段与消费频次”“职业与 APP 使用习惯” 这类成对的分类变量,我们常常需要回答: ...
2025-11-06