學習目標：
◆ 套件 scipy, matplotlib
◆ 取得台灣股市資料並呈現
◆ 如何合併多個股市資料檔案
◆ 呈現股價走勢圖
◆ 將股市資料存入資料庫中
Python 的社群提供了非常多很有用的套件(module)，我們實作一個簡單的財務金融案例，讀取台灣股市資料，並以圖形化的方式呈現這些資料，來運用並了解這幾個對財務金融分析很有用的 Python 套件。
第一個要介紹的是 SciPy。
若您使用的是 Anaconda，SciPy 已預安裝好了，可以直接 import 使用。若是在 import scipy 時出現錯誤訊息，表示 scipy 套件尚未安裝。因為 Python 的 NumPy, SciPy, Pandas, Matplotlib 這幾個套件間有相依關係(dependence)存在，不太容易安裝，建議您安裝 Anaconda 比較省事。可以參考《Python 超強套件包 - Anaconda Distribution》這篇安裝 Anaconda。
SciPy 中有好幾個財務功能如：PV, FV, NPV, IRR 的計算，我們先從這些簡單的開始：
PV (現值, present value)、FV (終值/未來值, future value) 相信大家都了解他們的概念，簡單的說就是現在的一筆金額(PV, 現值)在未來某個時點的價值(FV, 終值)，可以用這個公式表示：
FV = PV * (1+rate)n
這是 SciPy FV function 的使用方式：fv(rate, nper, pmt, pv, when='end')
scipy.fv() 會回傳現值(pv)以利率(rate)計算幾期(nper)後的終值，完整的參數說明如下：
Parameters:
rate : 每期利率，輸入數值而非百分比。
nper : 複利期數。
pmt : 每期年金。
pv : 現值。
when : 期初年金(when='begin' / 1)或期末年金(when='end' / 0)，預設為期末。
這個例子，期初存入銀行 10,000元，年利率 10%，每年複利計算一次，請問6年後可領回多少？這是基本未來值的計算：pv = 10000；nper = 6；rate = 10%
# Python finance examples @author: Sean Lu.
import scipy as sp
sp.fv(0.1,6,0,10000)
# Python finance examples @author: Sean Lu.
import scipy as sp
sp.fv(0.1,6,0,-10000) # pv是現金投入，加負號。
既然有 pmt: 每期年金，所以這個功能也可以計算年金的未來值。 例如，每年均於年終時存入銀行1,000元，總共存了6年，年利率10%，每年複利計算一次，到了第六年終時，總共可領回多少錢？這時 pmt = 1000；nper = 6；rate = 10%，記得 pmt 是每年年金投入要加負號！
# Python finance examples @author: Sean Lu.
import scipy as sp
print(round(sp.fv(0.1,6,-1000,0),2)) # pmt是年金投入，加負號，並四捨五入至小數點下第2位。
# Python finance examples @author: Sean Lu.
import scipy as sp
help(sp.fv)
SciPy PV function 的使用方式：pv(rate, nper, pmt, fv=0.0, when='end')
參數和 fv() 相同，只是 pv, fv 對調而已。
Parameters:
rate : 每期利率，輸入數值而非百分比。
nper : 複利期數。
pmt : 每期年金。
fv : 終值。
when : 期初年金(when='begin' / 1)或期末年金(when='end' / 0)，預設為期末。
計算看看這個例子年利率 10%，每年複利計算一次，現在要存多少錢，6年後可領回 17,716？這是現值計算：fv = 17716；nper = 6；rate = 10%；
# Python finance examples @author: Sean Lu.
import scipy as sp
print(sp.pv(0.1,6,0,17716))
# Python finance examples @author: Sean Lu.
import scipy as sp
sp.pv(0.02/12,12,-10000)
Net Present Value (NPV, 淨現值)也是很常用的運算，淨現值是指投資後未來獲利的現金流量，全部折現成投資日的價值並減去投資日投入的成本，來了解投資長期的獲利究竟是正的還是負的，它的公式如下：
凈現值 = 未來現金淨流量現值 - 原始投資額現值
SciPy npv() 使用方式為：npv(rate, values)
SciPy npv() 回傳未來現金淨流量(values)以利率(rate)折現後的淨現值，參數如下：
Parameters:
rate : 利率 / 折現率
values : 未來現金淨流量的 list
如果有一個投資方案要投入 100,000元，第2年起每年可領回 30,000元，連續 4年，假設當時定存利率為 10%，這樣的投資方案值不值得呢？
# Python finance examples @author: Sean Lu.
import scipy as sp
print(round(sp.npv(0.1,[-100000, 30000, 30000, 30000, 30000]),2))
再介紹 Internet Rate of Return (IRR, 內部報酬率)，IRR 和 NPV 是兩個常用來評估投資的方法，內部報酬率(IRR)的涵意為：如果讓投資後未來獲利的現金流量，全部折現成投資日的價值並減去投資日投入的成本，也就是淨現值NPV等於 0 時，利率/報酬率是多少。如果計算出的內部報酬率(IRR)大於當時的利率，就表示這個方案有大於當時利率的報酬率。
SciPy irr() 使用方式為：irr(values)
SciPy irr() 回傳未來現金淨流量(values)的內部報酬率(IRR)，參數如下：
Parameters:
values : 未來現金淨流量的 list
同樣用剛剛那個例子某投資方案要投入 100,000元，第2年起每年可領回 30,000元，連續 4年，那內部報酬率(IRR)是多少？
# Python finance examples @author: Sean Lu.
import scipy as sp
print(round(sp.irr([-100000, 30000, 30000, 30000, 30000]),5))
我們只介紹 SciPy 中幾個簡單的財務公式，但 SciPy 的功能非常多，可以到這裡來了解有那些功能 SciPy API Reference，記得可以用 help(sp.functionName) 來查詢它們的使用方式。
接下來要介紹 Python 一個強大的繪製圖表套件 matplotlib。
同樣的建議您安裝 Anaconda，matplotlib 套件就會預設安裝好了。先簡單的畫一個折線圖(line chart)：
# Python matplotlib.pyplot examples @author: Sean Lu.
import matplotlib.pyplot as plt
plt.plot([1,3,9,20]) # 繪製折線圖 (x,y)=(0,1),(1,3),(2,9),(3,20)
plt.show() # 顯示
import matplotlib.pyplot 後，plot() 功能裡的參數是 y 軸，而 x 軸就是第幾位 (0,1,2,3,...)。所以 plt.plot([1,3,9,20]) 的 (x,y)=(0,1),(1,3),(2,9),(3,20)，plt.show() 就會顯示折線圖。
也可以這樣使用 plot(x,y)，x 是 x 軸的數值 list；y 是 y 軸的數值 list，像這個例子：
# Python matplotlib.pyplot examples @author: Sean Lu.
import matplotlib.pyplot as plt
plt.plot([0.5, 1, 2, 4], [1, 5, 9, 13]) # 繪製折線圖 (x,y)=(0.5,1),(1,5),(2,9),(4,13)
plt.show() # 顯示
也可以畫散佈圖(Scatter Diagram)，如下：
# Python matplotlib.pyplot examples @author: Sean Lu.
import matplotlib.pyplot as plt
import random
# 自訂 randomList(number) 函數將回傳 number 個介於0和1的亂數
def randomList(number):
rList=[]
for i in range(number):
rList.append(random.random())
return rList
dotN=20 # 繪製 20個點
x=randomList(dotN) # 回傳 n個值在 0 ~ 1 間的array為x軸
y=randomList(dotN) # 回傳 n個值在 0 ~ 1 間的array為y軸
plt.scatter(x,y) # 繪製散佈圖
plt.show() # 顯示
結合前面的例子，我們來計算看看一個投資金額為 100萬元，之後每期獲利為40萬元、50萬元、60萬元的投資方案其 NPV 隨利率變動的狀況：
# Python matplotlib.pyplot examples @author: Sean Lu.
import scipy as sp
import matplotlib.pyplot as plt
cash_flow=[-100,40,50,60]
rate=[]
npv=[]
x=(0,0.5)
y=(0,0)
for i in range(1,50):
rate.append(0.01*i)
npv.append(sp.npv(0.01*i,cash_flow))
plt.plot(rate,npv) # 隨折現率變動的NPV
plt.plot(x,y) # NPV=0的基準線
plt.show() # 顯示
# Python finance examples @author: Sean Lu.
import scipy as sp
cash_flow=[-100,40,50,60]
print(round(sp.irr(cash_flow),5))
有了對套件 scipy, matplotlib 的基本認識後，我們來進行一個簡單的金融案例，這個案例中我們將結合套件 os, csv, datetime, matplotlib 逐步完成以下工作並解決可能遭遇的問題：
◆ 取得公開的台灣股市資料
◆ 將單一股票單個資料檔讀入 Python
◆ 如何以 Python 合併單一股票多個資料檔成為長期資料？
◆ 如何同時處理多個股票的長期資料？
◆ 繪製單一及多個股票股價的走勢圖
◆ 將取得的股票資料存入資料庫中
◆ 將資料庫中的股票資料取出
接下來就一步一步進行…
◆ 取得公開的台灣股市資料
Python 有不少套件可以取得台灣和美國的股市資料如：grs, twstock 以及 yahoo-finance 等，不過這些套件都有頼開發者的長期維護，因為股市公開資料網站是會變動的，一旦資料公開的方式改變，套件就可能必須隨之調整，所以這些套件的開發者是很辛苦的。這篇我們不介紹使用這些套件，而是用最基本的方式 - 下載歷史股價資料檔，然後用 Python 讀入這些資料。這是最基本的方式，一定可行，不怕資料公開的方式改變，而且這個方法也是抓取股市資料套件開發的基礎知識。
下載台灣股市資料的來源是-TWSE 臺灣證券交易所，由「交易資訊」 --> 「盤後資訊」 --> 「個股日成交資訊」就可以股票代碼查詢某年月的個股日成交資訊，並下載 CSV檔。
我們任意輸入股票代碼及時間，按左上角的「CSV 下載」下載「個股日成交資訊」檔案。
◆ 將單一股票單個資料檔讀入 Python
接下來我們要將這個 CSV檔案讀入 Python 中。先將 CSV檔案用 NotePad++, Visual Studio Code 等程式編輯器開啟，一方面可以用這些編輯器檢視使用的編碼 (Encoding)，另方面我們檢查一下 CSV檔的格式是否都正確，並將我們要的數值資料以外的東西，連同標題都刪除，但要記住資料欄位的順序喔！就可以用以下的程式透過 CSV 套件以 csv.reader() 將 CSV檔讀入。要注意的地方是檔案使用的編碼，可以在 open() 中以 encoding='utf-8' 來設定為使用 utf-8 編碼。
# Get one csv file @author: Sean Lu.
import csv
myFile=open('201711_2002_DAY.csv') # open CSV file encoding='Big5'
# myFile=open('201711_1216_DAY.csv',encoding='utf-8') # open CSV file encoding='utf-8'
myReader=csv.reader(myFile) # csv reader object
myDataList=list(myReader) # 將 csv reader object 轉成 list
myFile.close() # close the file
for i in myDataList: # 顯示合併完成的股市資料
print(i)
讀入一個 CSV檔很容易，那怎麼讀入一支股票不同時間的 TWSE 臺灣證券交易所 CSV檔，並合併成為個股的長期資料？我們將個股以年月區分的 CSV檔用前述方式處理後，以年月+股票代號命名檔案，如 201709_1201_DAY.csv 表示為 2017年9月股票代碼1201的個股日成交資訊，將該股票多個檔案放到同一目錄下，以 OS 套件的 os.listdir(filePath) 將該目錄內多個檔案讀入後，一個一個合併起來。
# Get multiple csv files for one stock, using CSV module @author: Sean Lu.
import os
import csv
filePath='.\\stocks1' # 放 csv 檔的目錄位置，可以使用絕對路徑/相對路徑
fileList=[] # 存放多個檔案
myDataList=[] # 存放合併後的資料
for i in os.listdir(filePath): # listdir() 將裡面的資料都取出
if os.path.splitext(i)[-1]=='.csv': # 如果是 .csv 檔才進一步處理
fileList.append(i) # 將 .csv 檔存入 fileList 中
print('取得 {0}個csv檔，開始讀取檔案…'.format(len(fileList)))
for i in fileList:
dataTemp=[]
print('讀取 {0} …'.format(i),end=' ')
myFile=open(os.path.join(filePath,i)) # open CSV file
myReader=csv.reader(myFile) # csv reader object
dataTemp=list(myReader) # csv reader轉成list後暫存至dataTemp中
myDataList.extend(dataTemp) # 以extend()合併至myDataList中
myFile.close()
print('完成！')
for i in myDataList: # 顯示合併完成的股市資料
print(i)
接下來要處理多個股票不同時間的檔案，一樣用前述年月+股票代碼的檔案命名方式，將不同個股的 csv檔案都存入目錄中，我們加一段程式把檔名的股票代碼取出，並在資料中多存入一個股票代碼 stock_Id 欄以區分不同股票的資料。insert(0,stockId) 會將 stockId 加到股票資料 list 的第一欄；append(stockId) 則會加到股票資料 list 的最後一欄。
# Get multiple csv files for two stock, using CSV module @author: Sean Lu.
import os
import csv
filePath='.\\stocks2' # 放 csv檔的位置，可以用絕對路徑/相對路徑
fileList=[] # 取得待讀取檔案 List
myDataList=[] # 存放股市資料 List
for i in os.listdir(filePath): # listdir() 將裡面的資料都取出
if os.path.splitext(i)[-1]=='.csv': # 如果是 .csv檔才進一步處理
fileList.append(i) # 將 .csv檔存入fileList中
print('取得 {0}個csv檔，開始讀取檔案…'.format(len(fileList)))
for i in fileList:
dataTemp=[] # 暫存股市資料 List
print('讀取 {0} …'.format(i),end=' ')
myFile=open(os.path.join(filePath,i)) # open CSV file
myReader=csv.reader(myFile) # csv reader object
dataTemp=list(myReader) # csv reader object轉成list
stockId=i[7:11] # 將檔名內的個股代碼取出存入 stockId 中以區別個股
for i in dataTemp:
i.insert(0,stockId) # 將 stockId 加到暫存資料第一欄
# i.append(stockId) # 將 stockId 加到暫存資料最後一欄
myDataList.extend(dataTemp) # 將暫存資料加到股市資料 List後
myFile.close() # 關閉CSV檔
print('完成！')
for i in myDataList: # 顯示合併完成的股市資料
print(i)
多個股票的長期資料都讀入 Python 中了，我們可以使用 matplotlib 套件來繪製圖形，但在繪圖前還必須作一個資料的加工。因為繪製股價走勢圖，X軸的資料是時間，我們必須先將 TWSE 臺灣證券交易所資料裡的民國年月日轉換成西元年月日，再以 datetime 套件的 datetime.datetime.strptime().date() 將年月日字串轉換成 Python 日期物件，matplotlib 才看得懂日期資料。以下的程式可以看到，我們以begDate=datetime.date(2017,10,1)、endDate=datetime.date(2017,11,1)來控制要取出的時間區間，建立X軸時間資料list，Y軸不同個股的收盤價list。matplotlib.pyplot 繪製趨勢圖的程式還蠻固定的，您可以從註解了解該指令的用途。這個例子裡我們繪製了3條走勢折線，分別是股票代碼2002收盤價、股票代碼1201股票開盤價、股票代碼1201收盤價。您可以任意繪製多條折線，只要建立好資料List，然後用 plt.plot(x,y) 繪圖即可。
# Get multiple csv files for two stock, using CSV module @author: Sean Lu.
import os
import csv
import datetime
import matplotlib.pyplot as plt
import matplotlib.dates as mdates
filePath='.\\stocks2' # 放 csv檔的位置，可以用絕對路徑/相對路徑
fileList=[] # 取得待讀取檔案 List
myDataList=[] # 存放股市資料 List
for i in os.listdir(filePath): # listdir() 將裡面的資料都取出
if os.path.splitext(i)[-1]=='.csv': # 如果是 .csv檔才進一步處理
fileList.append(i) # 將 .csv檔存入fileList中
print('取得 {0}個csv檔，開始讀取檔案…'.format(len(fileList)))
for i in fileList:
dataTemp=[] # 暫存股市資料 List
print('讀取 {0} …'.format(i),end=' ')
myFile=open(os.path.join(filePath,i)) # open CSV file
myReader=csv.reader(myFile) # csv reader object
dataTemp=list(myReader) # csv reader object轉成list
stockId=i[7:11] # 將檔名內的個股代碼取出存入 stockId 中以區別個股
for i in dataTemp:
i.insert(0,stockId) # 將 stockId 加到暫存資料第一欄
# i.append(stockId) # 將 stockId 加到暫存資料最後一欄
myDataList.extend(dataTemp) # 將暫存資料加到股市資料 List後
myFile.close() # 關閉CSV檔
print('完成！')
# 設定處理資料日期區間
begDate=datetime.date(2017,10,1)
endDate=datetime.date(2017,11,1)
x=[] # x軸的資料-日期
y2002_e=[] # y軸的資料-2002收盤價
y1201_o=[] # y軸的資料-1201開盤價
y1201_e=[] # y軸的資料-1201收盤價
# 取出日期將民國年轉換為西元年格式
for i in myDataList:
date_str=i[1] #取得日期欄
date_str=date_str.replace(date_str[0:3],str(int(date_str[0:3])+ 1911))
i[1]=datetime.datetime.strptime(date_str,'%Y/%m/%d').date() # 轉換成Python date物件並update i[1]
if i[1]>=begDate and i[1]<endDate and i[0]=='2002': # 取出日期區間內某股票資料
x.append(i[1]) # 建立 x軸資料-日期
y2002_e.append(i[7]) # 建立 y軸資料-2002收盤價
if i[1]>=begDate and i[1]<endDate and i[0]=='1201': # 取出日期區間內某股票資料
y1201_o.append(i[4]) # 建立 y軸資料-1201開盤價
y1201_e.append(i[7]) # 建立 y軸資料-1201收盤價
plt.title('2017 Stock Price',fontsize=18) # 圖形標題 title
plt.xlabel('Date',fontsize=14) # x軸標題
plt.ylabel('Price',fontsize=14) # y軸標題
plt.text(datetime.date(2017,10,5),19,'1201-End Price',fontsize=16,bbox=dict(facecolor='purple', alpha=0.1)) # 標示個股1201收盤價，alpha參數是透明度
plt.text(datetime.date(2017,10,5),19.7,'1201-Open Price',fontsize=16,bbox=dict(facecolor='red', alpha=0.1)) # 標示個股1201收盤價，alpha參數是透明度
plt.text(datetime.date(2017,10,5),24.3,'2002-End Price',fontsize=16,bbox=dict(facecolor='green', alpha=0.1)) # 標示個股2002收盤價，alpha參數是透明度
plt.gca().xaxis.set_major_formatter(mdates.DateFormatter('%Y/%m/%d')) # 設定X軸日期格式
plt.gca().xaxis.set_major_locator(mdates.DayLocator())
plt.gcf().set_size_inches(25, 15, forward=True) # 設定圖形長寬大小
plt.plot(x,y2002_e) # 繪製y軸資料-2002收盤價走勢圖
plt.plot(x,y1201_o) # 繪製y軸資料-1201開盤價走勢圖
plt.plot(x,y1201_e) # 繪製y軸資料-1201收盤價走勢圖
plt.gcf().autofmt_xdate() # 按日期格式建立X軸
plt.show()
從 TWSE 臺灣證券交易所的 CSV檔獲得了多個股票的長期資料，但不能每次要處理資料都重新讀檔再整理，這樣會很花時間。我們可以把處理好的資料寫進資料庫中，方便日後進一步處理。這裡我們運用 MongoDB 提供的 mLab 雲端資料庫，示範怎麼把已讀入的股市資料存入資料庫裡，再依需要由資料庫取出。請參考《mLab - DBaaS 雲端 MongoDB 與 Python 快速試作範例》這篇，申請您的 mLab 雲端資料庫，並建立資料庫、Collection(資料表)和User(資料庫使用者)以取得您的 MongoDB URI。
Python 可使用 pymongo 套件進行 MongoDB 資料庫操作，pymongo 非 Anaconda 預設安裝套件，必須自行安裝。開啟「Anacoda Prompt」輸入指令 conda install -c anaconda pymongo，按 y 執行安裝後，就可以使用了。
因為我們要新增多筆資料進資料庫，依照 pymongo 文件說明，在新增大量資料時，應使用 Pymongo Bulk Inserts 方法，所以我們以 Bulk Insert 和 Pymongo insert_one() 方法來作比較，看看兩者的新增速度。126筆資料以 Pymongo Bulk Inserts 方法新增花費時間 0.5942504405975342秒；以 Pymongo insert_one() 方法新增花費時間 21.127482891082764秒，相差 35.56倍，真的差異蠻大的。
# Get multiple csv files for multiple stock and insert data into MongoDB @author: Sean Lu.
import os
import csv
import datetime
filePath='.\\stocks2' # 放 csv 檔的位置，可以用絕對路徑/相對路徑
fileList=[] # 取得待讀取檔案 List
myDataList=[] # 存放股市資料 List
for i in os.listdir(filePath): # listdir() 將裡面的資料都取出
if os.path.splitext(i)[-1]=='.csv': # 如果是 .csv檔才進一步處理
fileList.append(i) # 將 .csv檔存入fileList中
print('取得 {0}個csv檔，開始讀取檔案…'.format(len(fileList)))
for i in fileList:
dataTemp=[] # 暫存股市資料 List
print('讀取 {0} …'.format(i),end=' ')
myFile=open(os.path.join(filePath,i)) # open CSV file
myReader=csv.reader(myFile) # csv reader object
dataTemp=list(myReader) # csv reader object轉成List
stockId=i[7:11] # 將檔名內的個股代碼取出存入 stockId 中以區別個股
for i in dataTemp:
i.insert(0,stockId) # 將 stockId 加到第一欄
# i.append(stockId) # 將 stockId 加到最後一欄
myDataList.extend(dataTemp)
myFile.close()
print('完成！')
#---------------------連接 mongoDB mLab 雲端資料庫---------------------
#-----mongoDB 宣告
import pymongo
from pymongo import MongoClient
myClient = MongoClient("mongodb://mongouser:mongouser@ds135537.mlab.com:35537/trymongodb") # MongoDB URI-etf_project
myDB = myClient.trymongodb # 資料庫 trymongodb object
myColl_stock = myDB.stockdata # 資料表 collection - stockdata
#-----測試 mongoDB 資料庫連接
if myColl_stock.count() >= 0:
print('mongoDB(trymongodb)資料庫連接成功!')
else:
print('mongoDB(trymongodb)資料庫連接失敗!')
import time
startTime=time.time() # 執行開始時間
print('資料 {0}筆，開始存入資料庫…'.format(len(myDataList)))
# 先刪除資料表內所有資料
myResult = myColl_stock.delete_many({})
print('刪除 {0}筆資料庫已有資料…'.format(myResult.deleted_count)) # 幾筆資料被刪除
#-----Pymongo Bulk Inserts方法
bulkData=[]
for i in myDataList:
date_str=i[1] # 取得日期欄
date_str=date_str.replace(date_str[0:3],str(int(date_str[0:3])+ 1911)) # 民國年-->西元年
i[1]=datetime.datetime.strptime(date_str,'%Y/%m/%d') # 轉換成 Python datetime 物件 update i[1]
bulkData.append({'stockid':i[0],'date':i[1],'ts':i[2],'to':i[3],'open':i[4],'high':i[5],'low':i[6],'close':i[7],'Spread':i[8],'volume':i[9]})
myColl_stock.insert_many(bulkData)
# #-----Pymongo insert_one()方法
# for i in myDataList:
# date_str=i[1] # 取得日期欄
# date_str=date_str.replace(date_str[0:3],str(int(date_str[0:3])+ 1911)) # 民國年-->西元年
# i[1]=datetime.datetime.strptime(date_str,'%Y/%m/%d') # 轉換成 Python datetime 物件 update i[1]
# myColl_stock.insert_one({'stockid':i[0],'date':i[1],'ts':i[2],'to':i[3],'open':i[4],'high':i[5],'low':i[6],'close':i[7],'Spread':i[8],'volume':i[9]})
endTime=time.time() # 執行結束時間
print('股市資料 {0}筆，存入資料庫 {1}筆，花費時間 {2}秒'.format(len(myDataList),myColl_stock.count(),(endTime-startTime)))
這個例子示範怎麼把我們新增進 MongoDB mLab 雲端資料庫的股市資料，依需要的個股、時間區間將資料取出。重點在這句 myColl_stock.find({'stockid':'1201','date': {'$gte': dt_s, '$lt': dt_e}},{'_id':0,'stockid':1,'date':1,'close':1})，find()方法的第一組參數設定取出的股票代碼(stockid)、時間區間(date)，$gte 是大於等於，$lt 是小於，如果要小於等於就是用 $lte。第二組參數控制要取出的欄位，'_id':0 表示該欄位不取出，'stockid':1表示要取出。
# Retrieve data from MongoDB. @author: Sean Lu.
#---------------------連接 mongoDB mLab 雲端資料庫---------------------
#-----以下是 mongoDB 宣告
import pymongo
from pymongo import MongoClient
myClient = MongoClient("mongodb://mongouser:mongouser@ds135537.mlab.com:35537/trymongodb") # MongoDB URI-etf_project
myDB = myClient.trymongodb # 資料庫 trymongodb
myColl_stock = myDB.stockdata # 資料表 collection - stockdata
import datetime
dt_s = datetime.datetime(2017, 10, 1, 0, 0, 0) # 資料區間
dt_e = datetime.datetime(2017, 11, 1, 0, 0, 0) # 資料區間
for myDocs in myColl_stock.find({'stockid':'1201','date': {'$gte': dt_s, '$lt': dt_e}},{'_id':0,'stockid':1,'date':1,'close':1}):
print(myDocs)
參考資料 (References)：
😺 SciPy Tutorial
😺 matplotlib.org Documents
😺 Getting Started with MongoDB (Python Edition)
😺 PyMongo 3.6.0 Tutorial