GitHub 网址:https://github.com/PandaAI-Tech/panda_factor?tab=readme-ov-file
一、环境准备
1.Python 3.9及以上
2.从GitHub上克隆项目到本地
git clone https://github.com/your_org/panda_factor.git
cd panda_factor
二、MongoDB 数据库安装
1.安装 MongoDB 8.x
数据库网盘链接: https://pan.baidu.com/s/1qnUFy7dw6O2yxa_0rE_2MQ?pwd=iayk 提取码: iayk
把下载好的数据库解压,与第一步获得的文件放在同个文件夹下,无需对文件进行改动。
三、运行数据库
- 在终端中进入 bin 目录,注意路径里有空格,一定要用引号或反斜杠
cd “/your path/mongodb-macos-aarch64-8.0.8 2/bin” - 给脚本加可执行权限(只需一次)
chmod +x start_db.sh - 后台启动
./start_db.sh start # macOS
bin/db_start.bat # Windows
四、代码示范(在数据库运行时才可成功运行代码)
from panda_common.config import config as cfg
from panda_data.market_data.market_data_reader import MarketDataReader
reader = MarketDataReader(cfg)
# 1. 获取全市场股票代码
symbols = reader.get_all_symbols()
print("股票总数:", len(symbols))
# 2. 查询某一段日线行情
df = reader.get_market_data(
symbols=['000001.SZ', '600519.SH'],
start_date='20240101',
end_date='20240630',
fields=['open', 'high', 'low', 'close', 'volume']
)
print(df.head())
# 3. 取某月末沪深300成分股
csi300 = reader.get_market_data(
start_date='20240531', end_date='20240531',
indicator='000300', fields=['symbol']
)
print("2024-05-31 沪深300 数量:", csi300['symbol'].nunique())