如何用 data-link-python 一行代码拉取金融时序数据：get() 快速方法新手终极教程

如何用 contenteditable="false">【免费下载链接】data-link-pythonA Python library for Nasdaq Data Links RESTful API项目地址: https://gitcode.com/gh_mirrors/da/data-link-pythondata-link-python是 Nasdaq Data Link 官方 RESTful API 的 Python 客户端库专为获取金融时序数据而生。它最大的亮点是get()快速方法一行代码就能把原油价格、股票收盘价等海量时序数据集拉取到pandas DataFrame中无需手动拼请求、解析 JSON是新手做金融数据分析的起步神器。 为什么选择>pip install nasdaq-data-link若系统默认 pip 对应的是 Python 2请改用pip3 install nasdaq-data-link配置 API Key推荐方式设置环境变量SDK 在import时会自动读取代码里再也不用写密钥export NASDAQ_DATA_LINK_API_KEY你的密钥也可以把密钥保存到本地文件~/.nasdaq/data_link_apikey库导入时会自动加载。相关逻辑实现在 nasdaqdatalink/api_config.py 中环境变量优先级高于本地文件。⚠️ 未配置 API Key 时仍可调用但部分数据集只能返回限量样本数据通常仅 50 行正式分析前建议配好密钥。 核心用法get() 一行代码拉取原油价格这是整篇文章最核心的一行代码。以拉取纽约原油NSE/OIL全部历史数据为例import nasdaqdatalink data nasdaqdatalink.get(NSE/OIL) data.head() # 查看前 5 行执行完成后data就是一个以日期为索引的 pandas DataFrame可以直接做画图、回测、统计分析。加上过滤条件让查询更精准实际分析中很少需要全量数据。get()支持传入日期区间、聚合粒度、变换方式等参数import nasdaqdatalink data nasdaqdatalink.get(NSE/OIL, start_date2010-01-01, end_date2014-01-01, collapseannual, transformrdiff, rows4)上面这段代码的含义只取 2010–2014 年的数据按年聚合并做相对差分变换rdiff即百分比变化最多返回 4 行。️ get() 常用参数速查表参数说明示例start_date/end_date起止日期过滤缺省返回全量start_date2010-01-01collapse聚合粒度daily / weekly / monthly / quarterly / annualcollapseannualtransform数据变换diff / rdiff / cumul / normalizetransformrdiffrows最多返回的行数rows100order排序方向asc / desc默认 ascorderdescreturns返回格式pandas默认或 numpyreturnsnumpy其他任意参数原样透传给 API如数据源特有的过滤字段tickerAAPL 官方建议尽量以最高频率的原始数据下载之后在 pandas 中自己做变换灵活性最高。 进阶技巧一行代码对比多只股票想同时对比苹果和微软的收盘价get()支持传入列表实现多数据集合并multiset。用.加列号指定要取哪一列11 通常对应收盘价import nasdaqdatalink data nasdaqdatalink.get([WIKI/AAPL.11, WIKI/MSFT.11])返回的 DataFrame 会同时包含两列如WIKI.AAPL - Close和WIKI.MSFT - Close共享日期索引画一张对比图就搞定了。该合并逻辑由 nasdaqdatalink/model/merged_dataset.py 实现某个数据集不存在时会自动补空列而不报错。 get / get_table / get_point_in_time 三种方法怎么选方法适用数据类型典型场景get()时序数据集Dataset股价、油价等按日期连续的数据get_table()非时序数据表Datatable财报、评级等结构化表格支持paginateTrue翻页get_point_in_time()时点快照查询某一天的公司快照支持 asofdate / from / between 三种区间新手记住一句话即可有日期轴的用get是张表的用get_table问那天什么样的用get_point_in_time。更多快速用法可参考 FOR_ANALYSTS.md。️ 新手常见问题FAQQ1为什么只返回了 50 行数据没配置 API Key 时会返回限量样本。按上文设置NASDAQ_DATA_LINK_API_KEY环境变量即可。Q2调用偶尔报错或卡顿库已内置自动重试遇到 429限流或 5xx服务端错误时默认最多重试 5 次退避间隔按 0.5、1、2、4 秒指数递增配置项见 nasdaqdatalink/api_config.py 中的use_retries、number_of_retries。Q3旧代码里的参数还能用吗authtoken、trim_start、sort_order等旧版参数仍会被自动转换为新参数但会给出弃用警告建议迁移到api_key、start_date、order等新写法转换逻辑见 nasdaqdatalink/get.py 中的_convert_params_to_v3。Q4数据集代码在哪里查NSE/OIL、WIKI/AAPL这类数据库/代码格式的标识符可在 Nasdaq Data Link 官网的数据目录中检索找到后直接传给get()即可。✅ 小结安装pip install nasdaq-data-link密钥走环境变量最省心取数nasdaqdatalink.get(NSE/OIL)一行拿到 pandas DataFrame提效善用start_date/collapse/transform参数过滤聚合用列表参数一次对比多标的扩展表格类数据换get_table()时点快照换get_point_in_time()掌握get()快速方法后你离一份自己的金融数据分析报告只差一次data.plot()的距离了 【免费下载链接】data-link-pythonA Python library for Nasdaq Data Links RESTful API项目地址: https://gitcode.com/gh_mirrors/da/data-link-python创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考