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
数据分析师的日常,常始于一堆“毫无章法”的数据点:电商后台导出的零散订单记录、APP埋点收集的无序用户行为日志、传感器实时 ...
2025-11-28在MySQL数据库运维中,“query end”是查询执行生命周期的收尾阶段,理论上耗时极短——主要完成结果集封装、资源释放、事务状态 ...
2025-11-28在CDA(Certified Data Analyst)数据分析师的工具包中,透视分析方法是处理表结构数据的“瑞士军刀”——无需复杂代码,仅通过 ...
2025-11-28在统计分析中,数据的分布形态是决定“用什么方法分析、信什么结果”的底层逻辑——它如同数据的“性格”,直接影响着描述统计的 ...
2025-11-27在电商订单查询、用户信息导出等业务场景中,技术人员常面临一个选择:是一次性查询500条数据,还是分5次每次查询100条?这个问 ...
2025-11-27对数据分析从业者和学生而言,表结构数据是最基础也最核心的分析载体——CRM系统的用户表、门店的销售明细表、仓库的库存表,都 ...
2025-11-27在业务数据可视化中,热力图(Heat Map)是传递“数据密度与分布特征”的核心工具——它通过颜色深浅直观呈现数据值的高低,让“ ...
2025-11-26在企业数字化转型中,业务数据分析师是连接数据与决策的核心纽带。但“数据分析师”并非单一角色,从初级到高级,其职责边界、能 ...
2025-11-26表格结构数据以“行存样本、列储属性”的规范形态,成为CDA数据分析师最核心的工作载体。从零售门店的销售明细表到电商平台的用 ...
2025-11-26在pandas数据处理工作流中,“列标签”(Column Labels)是连接数据与操作的核心桥梁——它不仅是DataFrame数据结构的“索引标识 ...
2025-11-25Anaconda作为数据科学领域的“瑞士军刀”,集成了Python解释器、conda包管理工具及海量科学计算库,是科研人员、开发者的必备工 ...
2025-11-25在CDA(Certified Data Analyst)数据分析师的日常工作中,表格结构数据是最常接触的“数据形态”——从CRM系统导出的用户信息表 ...
2025-11-25在大数据营销从“粗放投放”向“精准运营”转型的过程中,企业常面临“数据维度繁杂,核心影响因素模糊”的困境——动辄上百个用 ...
2025-11-24当流量红利逐渐消退,“精准触达、高效转化、长效留存”成为企业营销的核心命题。大数据技术的突破,让营销从“广撒网”的粗放模 ...
2025-11-24在商业数据分析的全链路中,报告呈现是CDA(Certified Data Analyst)数据分析师传递价值的“最后一公里”,也是最容易被忽视的 ...
2025-11-24在数据可视化实践中,数据系列与数据标签的混淆是导致图表失效的高频问题——将数据标签的样式调整等同于数据系列的维度优化,或 ...
2025-11-21在数据可视化领域,“静态报表无法展现数据的时间变化与维度关联”是长期痛点——当业务人员需要分析“不同年份的区域销售趋势” ...
2025-11-21在企业战略决策的场景中,“PESTEL分析”“波特五力模型”等经典方法常被提及,但很多时候却陷入“定性描述多、数据支撑少”的困 ...
2025-11-21在企业数字化转型过程中,“业务模型”与“数据模型”常被同时提及,却也频繁被混淆——业务团队口中的“用户增长模型”聚焦“如 ...
2025-11-20在游戏行业“高获客成本、低留存率”的痛点下,“提前预测用户流失并精准召回”成为运营核心命题。而用户流失并非突发行为——从 ...
2025-11-20