在其他文章中，我演示了如何在Python中使用quandl来查询时间序列数据，例如股票价格。在这篇文章中，我演示了如何从例如雅虎财务，在Python中使用pandas_datareader模块。

在下面的示例中，我导入pandas_datareader并查询2020-01-01至2020-09-29之间的宝洁股票价格数据：

＃导入相关模块
import pandas_datareader.data as web
import datetime
＃定义开始和结束日期的日期时间
start_date = datetime.datetime(2020, 1, 1)
end_date = datetime.datetime(2020, 9, 29)
＃从开始日期到结束日期之间的给定时间段导入库存数据，形式为Yahoo Finance
df = web.DataReader("PG", "yahoo",start_date, end_date)
＃显示返回的数据帧头
df.head()

	High	Low	Open	Close	Volume	Adj Close
Date
2020-01-02	124.730003	122.940002	124.500000	123.410004	8130800.0	121.104179
2020-01-03	123.529999	121.860001	122.160004	122.580002	7970500.0	120.289688
2020-01-06	123.190002	122.379997	122.570000	122.750000	6674400.0	120.456505
2020-01-07	123.209999	121.870003	122.879997	121.989998	7583400.0	119.710701
2020-01-08	123.430000	122.000000	122.190002	122.510002	5385100.0	120.220985

使用matplotlib.pyplot我可以通过例如可视化数据绘制每日收盘价。这是我在以下代码行中所做的：

＃导入matplotlib.pyplot
import matplotlib.pyplot as plt
＃创建图
plt.figure(figsize=(17.5,10))
＃创建收盘价线图
plt.plot(df.index,df["Close"],color="red")
＃添加剧情标题
plt.title("Procter & Gamble daily stock closing prices (src: Yahoo)",size=22)
＃添加x轴标签
plt.xlabel("Date",size=16)
＃添加y轴标签
plt.ylabel("Closing price [USD]",size=16)

Text(0, 0.5, 'Closing price [USD]')

在下面的另一个示例中，检索和可视化可追溯到2015年的股价数据：

＃再次查询数据
df = web.DataReader("PG", "yahoo",datetime.datetime(2015,1,1), datetime.datetime(2020,9,29))
＃创建图
plt.figure(figsize=(17.5,10))
＃创建收盘价线图
plt.plot(df.index,df["Close"],color="red")
＃添加剧情标题
plt.title("Procter & Gamble daily stock closing prices (src: Yahoo)",size=22)
＃添加x轴标签
plt.xlabel("Date",size=16)
＃添加y轴标签
plt.ylabel("Closing price [USD]",size=16)

Text(0, 0.5, 'Closing price [USD]')

最后还有一个可以追溯到2000年的例子：

＃再次查询数据
df = web.DataReader("PG", "yahoo",datetime.datetime(2000,1,1), datetime.datetime(2020,9,29))
＃创建图
plt.figure(figsize=(17.5,10))
＃创建收盘价线图
plt.plot(df.index,df["Close"],color="red")
＃添加剧情标题
plt.title("Procter & Gamble daily stock closing prices (src: Yahoo)",size=22)
＃添加x轴标签
plt.xlabel("Date",size=16)
＃添加y轴标签
plt.ylabel("Closing price [USD]",size=16)

Text(0, 0.5, 'Closing price [USD]')