网站导航
> 技术文档 > yfinance 深度解析教程 (Python)

yfinance 深度解析教程 (Python)

网友: 技术文档 2025-07-30 11:01:18

yfinance 深度解析教程 (Python)

yfinance 是一个非常流行的 Python 库，允许用户从 Yahoo Finance 下载金融市场数据。它提供了一种简单方便的方式来获取股票价格、历史数据、基本面信息、期权数据等。本教程将深入探讨 yfinance 的核心功能和高级用法。

目录

  1. 简介与安装
    • 1.1 什么是 yfinance?
    • 1.2 为什么选择 yfinance?
    • 1.3 安装 yfinance
  2. 核心对象：Ticker
    • 2.1 创建 Ticker 对象
    • 2.2 获取股票信息 (info)
  3. 获取历史市场数据 (history)
    • 3.1 基本用法 (周期 period)
    • 3.2 指定时间范围 (start, end)
    • 3.3 不同时间间隔 (interval)
    • 3.4 数据格式 (Pandas DataFrame)
    • 3.5 其他参数 (如 actions)
  4. 获取基本面数据
    • 4.1 财务报表 (financials, balance_sheet, cashflow)
    • 4.2 盈利 (earnings)
    • 4.3 季度数据
  5. 获取其他关键数据
    • 5.1 股票行为 (actions, dividends, splits)
    • 5.2 持股信息 (major_holders, institutional_holders)
    • 5.3 推荐评级 (recommendations)
    • 5.4 公司日历与盈利日期 (calendar, earnings_dates)
    • 5.5 ISIN 代码 (isin)
    • 5.6 相关新闻 (news)
  6. 获取期权数据
    • 6.1 获取期权到期日 (options)
    • 6.2 获取特定到期日的期权链 (option_chain)
  7. 处理多个 Ticker (Tickers)
    • 7.1 创建 Tickers 对象
    • 7.2 批量下载历史数据
    • 7.3 访问单个 Ticker 数据
    • 7.4 使用 yf.download() 批量下载
  8. 高级技巧与注意事项
    • 8.1 错误处理 (无效 Ticker)
    • 8.2 数据可视化 (简单示例)
    • 8.3 代理设置 (Proxy)
    • 8.4 请求频率限制
  9. 总结

1. 简介与安装

1.1 什么是 yfinance?

yfinance 是一个开源的 Python 库，它最初是作为 pandas-datareader 库修复雅虎财经 API 变化的解决方案而创建的，后来发展成为一个独立且功能强大的库，专门用于从 Yahoo Finance 获取数据。

1.2 为什么选择 yfinance?
  • 免费: 无需 API 密钥即可访问大量金融数据。
  • 易用: API 设计简洁直观。
  • 功能丰富: 支持多种数据类型（历史价格、基本面、期权等）。
  • 与 Pandas 集成: 返回的数据通常是 Pandas DataFrame 或 Series 格式，方便后续分析。
1.3 安装 yfinance

使用 pip 可以轻松安装：

pip install yfinance --upgrade --no-cache-dir

建议加上 --upgrade --no-cache-dir 以确保安装最新版本并避免缓存问题。

同时，我们通常需要 pandas 来处理数据，如果未安装，也一并安装：

pip install pandas

2. 核心对象：Ticker

yfinance 的主要入口点是 Ticker 类。你需要为你想要获取数据的每个金融工具（股票、ETF、指数等）创建一个 Ticker 实例。

2.1 创建 Ticker 对象
import yfinance as yfimport pandas as pd # 通常会用到 pandas# 创建一个代表苹果公司 (AAPL) 的 Ticker 对象aapl = yf.Ticker(\"AAPL\")# 创建一个代表微软公司 (MSFT) 的 Ticker 对象msft = yf.Ticker(\"MSFT\")# 也可以获取其他市场的股票，例如腾讯控股 (0700.HK)tencent = yf.Ticker(\"0700.HK\")# 获取指数，例如标普 500 (^GSPC)sp500 = yf.Ticker(\"^GSPC\")print(aapl)# 输出类似: yfinance.Ticker object

这里的 “AAPL”, “MSFT”, “0700.HK”, “^GSPC” 就是所谓的 Ticker Symbol（股票代码）。你需要知道你感兴趣的金融工具在 Yahoo Finance 上的代码。

2.2 获取股票信息 (info)

info 属性返回一个包含该股票大量信息的 Python 字典。

# 获取苹果公司的详细信息aapl_info = aapl.info# 查看信息字典中的部分内容print(f\"公司名称: {aapl_info.get(\'longName\', \'N/A\')}\")print(f\"所在行业: {aapl_info.get(\'industry\', \'N/A\')}\")print(f\"所在板块: {aapl_info.get(\'sector\', \'N/A\')}\")print(f\"公司简介: {aapl_info.get(\'longBusinessSummary\', \'N/A\')[:100]}...\") # 只显示前100个字符print(f\"市值: {aapl_info.get(\'marketCap\', \'N/A\')}\")print(f\"市盈率 (TTM): {aapl_info.get(\'trailingPE\', \'N/A\')}\")print(f\"远期市盈率: {aapl_info.get(\'forwardPE\', \'N/A\')}\")print(f\"股息率: {aapl_info.get(\'dividendYield\', \'N/A\')}\")# info 字典包含非常多的字段，你可以打印所有键来看看# print(aapl_info.keys())

注意: info 字典中的字段并非对所有 Ticker 都完整可用，某些字段可能缺失（返回 None 或不存在）。使用 .get(key, default_value) 是更安全的访问方式。

3. 获取历史市场数据 (history)

这是 yfinance 最常用的功能之一，用于获取 OHLCV（开盘价、最高价、最低价、收盘价、成交量）数据。

3.1 基本用法 (周期 period)

history() 方法可以通过 period 参数指定获取数据的时间跨度。

# 获取苹果公司过去一年的日线数据hist_1y = aapl.history(period=\"1y\")print(\"过去一年的日线数据 (前5条):\")print(hist_1y.head())# 可用的 period 值包括: \"1d\", \"5d\", \"1mo\", \"3mo\", \"6mo\", \"1y\", \"2y\", \"5y\", \"10y\", \"ytd\" (年初至今), \"max\" (所有可用数据)hist_max = aapl.history(period=\"max\")print(f\"\\n获取了 {len(hist_max)} 条历史数据 (从 {hist_max.index.min()} 到 {hist_max.index.max()})\")
3.2 指定时间范围 (start, end)

也可以使用 start 和 end 参数指定具体的开始和结束日期（格式通常为 “YYYY-MM-DD”）。

# 获取 2023 年全年的日线数据hist_2023 = aapl.history(start=\"2023-01-01\", end=\"2024-01-01\") # end日期不包含print(\"\\n2023 年全年日线数据 (后5条):\")print(hist_2023.tail())
3.3 不同时间间隔 (interval)

interval 参数用于指定数据的时间频率。

# 获取过去 5 天的 1 分钟 K 线数据# 注意：分钟级别的数据获取有时间范围限制，通常只能获取最近几十天的数据hist_5d_1m = aapl.history(period=\"5d\", interval=\"1m\")print(\"\\n过去 5 天的 1 分钟 K 线数据 (前5条):\")print(hist_5d_1m.head())# 可用的 interval 值包括:# 分钟级别: \"1m\", \"2m\", \"5m\", \"15m\", \"30m\", \"60m\", \"90m\"# 小时级别: \"1h\" (注意: 60m 和 1h 可能略有不同)# 日线及以上: \"1d\", \"5d\", \"1wk\", \"1mo\", \"3mo\"# 获取过去 6 个月的周线数据hist_6mo_wk = aapl.history(period=\"6mo\", interval=\"1wk\")print(\"\\n过去 6 个月的周线数据 (前5条):\")print(hist_6mo_wk.head())

重要提示:

  • 分钟级别 (1m, 2m 等) 的数据通常只能获取最近 7 天（对于 1m）或 60 天（对于其他分钟级别）的数据。
  • 请求过于频繁或数据量过大可能导致 Yahoo Finance 暂时阻止你的 IP。
3.4 数据格式 (Pandas DataFrame)

history() 方法返回的是一个 Pandas DataFrame，索引是日期（或时间戳），列包括：

  • Open: 开盘价
  • High: 最高价
  • Low: 最低价
  • Close: 收盘价
  • Volume: 成交量
  • Dividends: 股息 (如果当天有派息)
  • Stock Splits: 股票分割比例 (如果当天有分割)
print(\"\\n历史数据 DataFrame 的列名:\")print(hist_1y.columns)print(\"\\n历史数据 DataFrame 的索引类型:\")print(type(hist_1y.index))
3.5 其他参数 (如 actions)

默认情况下，Dividends 和 Stock Splits 列包含在内。你也可以通过 actions=True (默认) 或 actions=False 控制是否获取这些信息。还有其他参数如 auto_adjust (自动调整价格以反映股息和拆分，默认为 True) 等，可以查阅文档了解更多。

# 不获取股息和拆分信息hist_no_actions = aapl.history(period=\"1y\", actions=False)print(\"\\n不包含 actions 的列名:\")print(hist_no_actions.columns)# 获取未调整的价格 (会多出 \'Adj Close\' 列，表示前复权收盘价)hist_unadjusted = aapl.history(period=\"1y\", auto_adjust=False)print(\"\\n未自动调整价格的列名:\")print(hist_unadjusted.columns)print(hist_unadjusted.head())

4. 获取基本面数据

yfinance 提供了访问公司财务报表和其他基本面数据的方法。

4.1 财务报表 (financials, balance_sheet, cashflow)

这些方法返回包含年度和季度财务报表的 Pandas DataFrame。

# 获取年度损益表 (Income Statement)financials = aapl.financialsprint(\"\\n年度损益表 (部分):\")print(financials) # DataFrame 的列是年份或季度# 获取年度资产负债表 (Balance Sheet)balance_sheet = aapl.balance_sheetprint(\"\\n年度资产负债表 (部分):\")print(balance_sheet.head())# 获取年度现金流量表 (Cash Flow Statement)cashflow = aapl.cashflowprint(\"\\n年度现金流量表 (部分):\")print(cashflow.head())
4.2 盈利 (earnings)

这个属性似乎已被整合或弃用，更常用的查看盈利信息的方式是通过 financials 或 calendar / earnings_dates。旧版本可能有 aapl.earnings。

4.3 季度数据

默认情况下，上述财务报表方法返回年度数据。可以通过相应的 quarterly_ 属性获取季度数据。

# 获取季度损益表q_financials = aapl.quarterly_financialsprint(\"\\n季度损益表 (部分):\")print(q_financials)# 获取季度资产负债表q_balance_sheet = aapl.quarterly_balance_sheetprint(\"\\n季度资产负债表 (部分):\")print(q_balance_sheet.head())# 获取季度现金流量表q_cashflow = aapl.quarterly_cashflowprint(\"\\n季度现金流量表 (部分):\")print(q_cashflow.head())

5. 获取其他关键数据

Ticker 对象还提供了许多其他有用的属性。

5.1 股票行为 (actions, dividends, splits)
  • actions: 返回一个包含所有股息和股票分割记录的 DataFrame。
  • dividends: 只返回股息记录 (Series)。
  • splits: 只返回股票分割记录 (Series)。
# 获取所有历史行为actions = aapl.actionsprint(\"\\n股票行为 (股息与拆分):\")print(actions.tail()) # 显示最近的行为# 获取股息历史dividends = aapl.dividendsprint(\"\\n股息历史 (最近 5 条):\")print(dividends.tail())# 获取拆分历史splits = aapl.splitsprint(\"\\n股票分割历史:\")print(splits)
5.2 持股信息 (major_holders, institutional_holders)
  • major_holders: 主要股东信息 (通常是内部人士和持股比例较大的股东)。
  • institutional_holders: 机构持股者信息。
# 获取主要股东信息major_holders = aapl.major_holdersprint(\"\\n主要股东:\")print(major_holders)# 获取机构持股者信息inst_holders = aapl.institutional_holdersprint(\"\\n机构持股者 (前 10):\")print(inst_holders.head(10))

注意: 这些持股数据更新可能不及时，且并非对所有 Ticker 都可用。

5.3 推荐评级 (recommendations)

获取分析师对该股票的推荐评级历史。

recommendations = aapl.recommendationsprint(\"\\n分析师推荐评级 (最近 10 条):\")print(recommendations.tail(10))

DataFrame 通常包含日期、评级机构、评级变化（例如 从 Buy 到 Strong Buy）等信息。

5.4 公司日历与盈利日期 (calendar, earnings_dates)
  • calendar: 通常包含下一次盈利发布的日期范围和相关事件。
  • earnings_dates: 提供历史上的盈利公告日期、EPS 预期和实际值。
# 获取公司日历 (如下次财报日期)calendar = aapl.calendarprint(\"\\n公司日历 (下次财报):\")print(calendar)# 获取历史盈利日期信息try: earnings_dates = aapl.earnings_dates print(\"\\n历史盈利日期 (最近几次):\") print(earnings_dates.tail())except Exception as e: print(f\"\\n获取盈利日期失败: {e}\") # 有时可能因数据不可用而出错
5.5 ISIN 代码 (isin)

获取股票的国际证券识别码 (ISIN)。

isin = aapl.isinprint(f\"\\nAAPL 的 ISIN 代码: {isin}\")# 对于非美国股票，这个可能更有用# tencent_isin = tencent.isin# print(f\"0700.HK 的 ISIN 代码: {tencent_isin}\")

注意: isin 属性有时可能返回 - 或空值，如果 Yahoo Finance 没有提供该数据。

5.6 相关新闻 (news)

获取与该 Ticker 相关的最新新闻标题和链接。

news = aapl.newsprint(\"\\n相关新闻 (部分):\")if news: # 检查列表是否为空 for item in news[:5]: # 只显示前 5 条 print(f\"- 标题: {item.get(\'title\')}\") print(f\" 发布者: {item.get(\'publisher\')}\") print(f\" 链接: {item.get(\'link\')}\") # print(f\" 发布时间: {pd.to_datetime(item.get(\'providerPublishTime\'), unit=\'s\')}\") # 时间戳转换else: print(\"未能获取到相关新闻。\")

新闻列表包含字典，每个字典代表一条新闻，包含标题 (title)、链接 (link)、发布者 (publisher)、发布时间 (providerPublishTime - Unix时间戳) 等信息。

6. 获取期权数据

yfinance 也可以用来获取股票的期权链数据。

6.1 获取期权到期日 (options)

options 属性返回一个包含所有可用期权到期日的元组。

# 获取苹果公司所有可用的期权到期日try: option_dates = aapl.options print(\"\\n可用的期权到期日 (前几个):\") print(option_dates[:5])except Exception as e: print(f\"\\n获取期权到期日失败 (可能该 Ticker 没有期权): {e}\")
6.2 获取特定到期日的期权链 (option_chain)

使用 option_chain() 方法，并传入一个到期日字符串，可以获取该日期的看涨 (Calls) 和看跌 (Puts) 期权链。

if option_dates: # 确保我们获取到了到期日 # 获取第一个到期日的期权链 first_expiry = option_dates[0] opt_chain = aapl.option_chain(first_expiry) # 期权链对象包含 .calls 和 .puts 两个 DataFrame calls = opt_chain.calls puts = opt_chain.puts print(f\"\\n{first_expiry} 到期的看涨期权 (部分):\") print(calls.head()) # 显示前几行看涨期权数据 print(f\"\\n{first_expiry} 到期的看跌期权 (部分):\") print(puts.head()) # 显示前几行看跌期权数据 # 查看期权 DataFrame 的列名，了解包含哪些信息 print(\"\\n看涨期权数据列名:\") print(calls.columns) # 通常包含: contractSymbol, lastTradeDate, strike, lastPrice, bid, ask, change, percentChange, volume, openInterest, impliedVolatility, inTheMoney, contractSize, currency

注意: 期权数据可能比较庞大，获取时可能需要一些时间。

7. 处理多个 Ticker (Tickers)

如果你需要同时处理多个股票代码，使用 Tickers 类比为每个代码单独创建 Ticker 对象更高效，尤其是在批量下载历史数据时。

7.1 创建 Tickers 对象

将多个 Ticker Symbol 字符串（用空格分隔）或一个列表传递给 yf.Tickers()。

# 创建包含多个股票代码的 Tickers 对象tickers_list = [\"AAPL\", \"MSFT\", \"GOOG\", \"AMZN\"]tickers = yf.Tickers(\" \".join(tickers_list)) # 或者直接 yf.Tickers(\"AAPL MSFT GOOG AMZN\")print(tickers)# 输出类似: yfinance.Tickers object
7.2 批量下载历史数据

Tickers 对象的 history() 方法可以一次性下载所有 Ticker 的历史数据。返回的 DataFrame 使用多层列索引 (MultiIndex)，第一层是 Ticker Symbol，第二层是 OHLCV 等数据字段。

# 批量获取过去一个月的数据multi_hist = tickers.history(period=\"1mo\")print(\"\\n批量获取的历史数据 (部分):\")print(multi_hist.head())# 查看列索引结构print(\"\\n多层列索引:\")print(multi_hist.columns)# 访问特定股票的特定列数据print(\"\\n访问 AAPL 的收盘价:\")print(multi_hist[\'AAPL\'][\'Close\'].head())# 或者使用 stack() 方法转换数据结构，更方便按 Ticker 分组处理# stacked_hist = multi_hist.stack(level=0).reset_index().rename(columns={\'level_1\': \'Ticker\'})# print(\"\\n转换后的数据结构:\")# print(stacked_hist.head())
7.3 访问单个 Ticker 数据

Tickers 对象内部包含一个字典 tickers.tickers，其键是 Ticker Symbol，值是对应的 Ticker 对象。你可以通过这个字典访问单个 Ticker 的所有方法和属性。

# 访问 Tickers 对象中的 Google (GOOG) Ticker 对象goog_ticker = tickers.tickers[\'GOOG\']# 获取 Google 的 infogoog_info = goog_ticker.infoprint(f\"\\nGoogle 的公司名称: {goog_info.get(\'longName\')}\")# 获取 Google 的财务数据goog_financials = goog_ticker.financialsprint(\"\\nGoogle 的年度损益表 (部分):\")print(goog_financials.head())

这种方式在需要获取不同类型数据（如某些股票的历史数据，另一些股票的基本面信息）时很有用，但如果是统一获取同一种数据（如所有股票的历史收盘价），直接使用 Tickers 对象的批量方法通常更优。

7.4 使用 yf.download() 批量下载

yfinance 还提供了一个便捷的顶层函数 yf.download()，专门用于批量下载历史数据，通常比 Tickers.history() 更常用且可能更稳定。

# 使用 yf.download() 批量下载历史数据data = yf.download(\"NVDA TSLA NFLX\", start=\"2024-01-01\", end=\"2024-04-01\")print(\"\\n使用 yf.download() 获取的数据 (部分):\")print(data.head())# download 返回的 DataFrame 默认按数据字段分组 (Open, High, Low, Close, Adj Close, Volume)print(\"\\nyf.download() 返回的列索引:\")print(data.columns)# 访问特定字段的所有股票数据print(\"\\n所有股票的收盘价:\")print(data[\'Close\'].head())# 访问特定股票的所有数据print(\"\\nTSLA 的所有数据:\")print(data.xs(\'TSLA\', level=1, axis=1).head()) # 使用 xs 进行跨层级选择# 也可以设置 group_by=\'ticker\' 使列索引先按 Ticker 分组data_grouped_by_ticker = yf.download(\"NVDA TSLA NFLX\", start=\"2024-01-01\", end=\"2024-04-01\", group_by=\'ticker\')print(\"\\n按 Ticker 分组的数据 (部分):\")print(data_grouped_by_ticker.head())print(\"\\n按 Ticker 分组的列索引:\")print(data_grouped_by_ticker.columns)print(\"\\n访问 TSLA 的收盘价 (按 Ticker 分组):\")print(data_grouped_by_ticker[\'TSLA\'][\'Close\'].head())

yf.download() 是批量获取历史数据的推荐方式。

8. 高级技巧与注意事项

8.1 错误处理 (无效 Ticker)

当请求一个不存在或 Yahoo Finance 没有数据的 Ticker 时，yfinance 可能会抛出错误或返回空数据。在处理用户输入或大量 Ticker 列表时，进行错误处理很重要。

invalid_ticker_symbol = \"INVALIDTICKERXYZ\"try: invalid_ticker = yf.Ticker(invalid_ticker_symbol) # 尝试获取数据，这通常会失败或返回空 info = invalid_ticker.info hist = invalid_ticker.history(period=\"1d\") if not info and hist.empty: print(f\"\\nTicker \'{invalid_ticker_symbol}\' 似乎无效或没有数据。\") # 注意：某些情况下 info 可能返回 {}，history 可能直接抛错，具体行为可能变化except Exception as e: print(f\"\\n处理 Ticker \'{invalid_ticker_symbol}\' 时发生错误: {e}\")# 对于 yf.download()，它通常会打印错误消息但继续下载其他有效的 Tickerdata = yf.download(\"AAPL INVALIDTICKERXYZ GOOG\", period=\"1d\")print(\"\\n尝试下载包含无效 Ticker 的数据:\")# 查看下载结果，INVALIDTICKERXYZ 的数据列通常会是 NaN# print(data)
8.2 数据可视化 (简单示例)

获取的数据通常是 Pandas DataFrame，可以方便地使用 matplotlib 或 seaborn 进行可视化。

import matplotlib.pyplot as plt# 获取微软过去一年的数据msft_hist = msft.history(period=\"1y\")# 绘制收盘价曲线plt.figure(figsize=(10, 5))msft_hist[\'Close\'].plot(title=\'Microsoft (MSFT) Stock Price (Last Year)\')plt.ylabel(\'Price (USD)\')plt.xlabel(\'Date\')plt.grid(True)plt.show()# 绘制成交量柱状图plt.figure(figsize=(10, 3))msft_hist[\'Volume\'].plot(kind=\'bar\', title=\'Microsoft (MSFT) Trading Volume (Last Year)\')plt.ylabel(\'Volume\')plt.xlabel(\'Date\')# 由于日期标签太多，可能需要调整显示方式，例如只显示部分标签或按月聚合# plt.xticks(rotation=45) # 旋转标签plt.show()
8.3 代理设置 (Proxy)

如果在网络受限的环境（如公司网络）或因请求频繁被暂时限制，可能需要设置代理。

# 示例：设置 HTTP 和 HTTPS 代理# proxies = {# \'http\': \'http://user:password@proxy.server.com:port\',# \'https\': \'https://user:password@proxy.server.com:port\',# }# 在 Ticker 对象级别设置 (会话级别)# msft = yf.Ticker(\"MSFT\")# msft.set_proxy(proxies)# hist = msft.history(period=\"1d\")# 或者在 download 函数中设置# data = yf.download(\"AAPL\", period=\"1d\", proxy=proxies)# 注意：代理设置的 API 可能会随版本变化，请查阅最新文档。# 较新版本倾向于使用 Session 对象进行更底层的控制，但这超出了基础教程范围。print(\"\\n代理设置: 请参考 yfinance 文档以获取最新和最可靠的代理设置方法。\")
8.4 请求频率限制

Yahoo Finance 并未公开其确切的请求频率限制，但过于频繁的请求（尤其是在短时间内大量请求不同 Ticker 的多种数据）可能导致 IP 被暂时封禁（通常返回 HTTP 403 或 429 错误）。

  • 策略:
    • 尽量使用 Tickers 对象或 yf.download() 进行批量操作，而不是在循环中单独请求每个 Ticker。
    • 如果在循环中进行请求，请在每次请求后加入适当的延迟（例如 time.sleep(1)）。
    • 避免不必要的数据请求。
    • 如果需要大量数据，考虑分批次、在不同时间进行。
import timetickers_to_fetch = [\"AAPL\", \"MSFT\", \"GOOG\", \"AMZN\", \"META\", \"NVDA\", \"TSLA\"] # 示例列表all_info = {}for symbol in tickers_to_fetch: try: print(f\"正在获取 {symbol} 的信息...\") ticker = yf.Ticker(symbol) all_info[symbol] = ticker.info # 在每次请求后加入短暂延迟，避免过快请求 time.sleep(1) # 暂停 1 秒 except Exception as e: print(f\"获取 {symbol} 信息失败: {e}\")print(\"\\n获取到的部分信息:\")# print(all_info.get(\"AAPL\", {}).get(\"longName\"))# print(all_info.get(\"MSFT\", {}).get(\"longName\"))

9. 总结

yfinance 是一个功能强大且易于使用的 Python 库，用于从 Yahoo Finance 获取金融数据。本教程涵盖了其核心功能：

  • 使用 Ticker 对象获取单个金融工具的数据（info, history, financials, options, news 等）。
  • 使用 Tickers 对象或 yf.download() 高效处理多个金融工具。
  • 了解了数据的格式 (Pandas DataFrame/Series) 和一些常用参数。
  • 讨论了错误处理、可视化基础以及请求频率等注意事项。

要进一步深入，建议：

  • 阅读官方文档: 虽然 yfinance 的文档可能不如一些大型库详尽，但仍然是获取最新信息的主要来源。
  • 实践: 尝试获取不同类型 Ticker（股票、ETF、指数、加密货币等）的数据，探索不同的参数组合。
  • 结合其他库: 将 yfinance 获取的数据与 pandas 进行深入分析，与 matplotlib/seaborn/plotly 进行高级可视化，或与 scikit-learn 等库进行量化分析。

希望本教程能帮助你更好地理解和使用 yfinance 库！

网络标签：

相关问题