网站制作商seo实战论坛
目录
前置：
1 使用
1.1 获取前复权因子
1.2 查询股票的纵向数据
1.3 查询股票的横向数据
2 日数据分享（截止至：2025-03-21）
总结
视频
前置：
本博文是一个系列。在本人“数据库专栏”-》“PostgreSQL_”开头的博文。
本文为该系列最后一篇。
1 使用
1.1 获取前复权因子
访问优矿官网
ticker_list = []
field_list = ['secID','tradeDate','accumAdjFactor']
df = DataAPI.MktEqudGet(secID=u"",ticker=ticker_list,tradeDate=u"",beginDate=u"1990-01-01",endDate=u"2025-03-21",isOpen="",field=field_list,pandas="1")
df.to_csv('adj000.csv',encoding='utf-8')
将要操作的股票的前复权因子获取，存入 t_ticker_adj_factor 表格，不存入也行，直接访问文件。
1.2 查询股票的纵向数据
select tradeDate,openPrice,highestPrice,lowestPrice,closePrice,turnoverVol,turnoverValue,dealAmount,turnoverRate,negMarketValue,marketValue,chgPct,PE,PE1,PB,isOpen,vwap from t_stock_daily where ticker='000001';
代码：
def query_vertical(ticker:str):sql_str = f"select tradeDate,openPrice,highestPrice,lowestPrice,closePrice,turnoverVol,turnoverValue,dealAmount,turnoverRate,negMarketValue,marketValue,chgPct,PE,PE1,PB,isOpen,vwap from t_stock_daily where ticker=\'{ticker}\';"conn = connect_db()cur = conn.cursor()cur.execute(sql_str)res = cur.fetchone()df = pd.DataFrame(data={'tradeDate': res[0],'openPrice': res[1],'highestPrice': res[2],'lowestPrice': res[3],'closePrice': res[4],'turnoverVol': res[5],'turnoverValue': res[6],'dealAmount': res[7],'turnoverRate': res[8],'negMarketValue': res[9],'marketValue': res[10],'chgPct': res[11],'PE': res[12],'PE1': res[13],'PB': res[14],'isOpen': res[15],'vwap': res[16]})df.to_excel(r'E:/temp002/'+ticker+'.xlsx',engine='openpyxl')cur.close()conn.close()pass实现前复权数据方法：
将未复权数据的日期与复权因子的日期对其，然后收开高低都和复权因子相乘，所得就是前复权数据。
1.3 查询股票的横向数据
select ticker,openPrice,highestPrice,lowestPrice,closePrice,turnoverVol,turnoverValue,dealAmount,turnoverRate,negMarketValue,marketValue,chgPct,PE,PE1,PB,isOpen,vwap from t_daily where tradeDate='2025-03-19';
代码：
def query_horizontal(date_str:str):sql_str = f"select ticker,openPrice,highestPrice,lowestPrice,closePrice,turnoverVol,turnoverValue,dealAmount,turnoverRate,negMarketValue,marketValue,chgPct,PE,PE1,PB,isOpen,vwap from t_daily where tradeDate=\'{date_str}\';"conn = connect_db()cur = conn.cursor()cur.execute(sql_str)res = cur.fetchone()df = pd.DataFrame(data={'ticker': res[0],'openPrice': res[1],'highestPrice': res[2],'lowestPrice': res[3],'closePrice': res[4],'turnoverVol': res[5],'turnoverValue': res[6],'dealAmount': res[7],'turnoverRate': res[8],'negMarketValue': res[9],'marketValue': res[10],'chgPct': res[11],'PE': res[12],'PE1': res[13],'PB': res[14],'isOpen': res[15],'vwap': res[16]})df.to_excel(r'E:/temp002/' + date_str + '.xlsx', engine='openpyxl')cur.close()conn.close()pass2 日数据分享（截止至：2025-03-21）
链接: https://pan.baidu.com/s/1Ng-0InEHtEhZcUZWLdjqcQ?pwd=krb3 提取码: krb3
文件名：db_stock.dump，1.5G左右
下载完后通过 pg_restore 命令导入。
总结
1 postgreSQL功能强大，如果有其他数据库经验的，上手很容易
2 postgreSQL的性能挺好的，通过python批量操作能传入的sql语句可以很大，而且执行效率很高
3 postgreSQL功能全面，提供了命令行，界面操作，一个软件包啥都包，安装十分方便
4 postgreSQL包含的数组、json等数据对象对处理复杂数据十分方便，总之就很棒^_^
注意：
1 数组的索引是从1开始
2 python操作上传sql语句时，涉及到参数是字符串的，要在字符串开头结尾增加\'
视频
这一系列内容本人在B站发了几个视频，v1 通过实例学习PostgreSQL_项目描述_哔哩哔哩_bilibili如果通过博文学习有疑问可以看视频。