进行量化投资最基础的工作，就是获取量化的基础数据。有了基础数据，才能对数据进行加工处理，构建量化策略，进行量化分析，回测和回溯。
基于python进行量化投资的开发，获取数据的方式比较丰富，主要介绍以下三种，并给出相应代码：
1、从财经网站获取数据。pandas提供了从财经网站获取数据的接口，该接口目前在pandas的pandas_datareader模块中，独立于pandas模块，需要单独安装。用pip install pandas_datareader安装该模块。由于从专业财经网站（万德，东方财富）获取数据都需要付费，这里我们主要说明从免费财经网站获取数据的方法。下面是从yahoo财经网站获取002214股票，指定日期每天开盘价、收盘价、最高价、最低价数据的代码。程序中DataReader()和get_data_yahoo()都可以获取数据。返回数据格式为DataFrame，可以利用DataFrame的相关操作函数进行数据处理。
import numpy as np
import pandas as pd
import pandas_datareader as pdr
import pandas_datareader.data as pdr_data
start_date = '2020/03/16'
end_date = '2020/04/08'
quotes=pdr.DataReader('002214.sz','yahoo',start_date,end_date)
#quotes=pdr.get_data_yahoo('002214.sz',start_date,end_date)
quotes.head()
print(quotes)
quotes.info()
由于国内对yahoo网站限制的原因，该接口获取数据不太稳定，有时候无法获取需要的数据。无法获取数据时，程序就会被挂起不能自动退出，需要在console中手工终止程序，并重启spyder内核。
此问题，通过安装yfinance模块来解决，不要再用fix-yahoo-finance模块。安装方式为pip install yfinance。修改后的代码如下：
import numpy as np
import pandas as pd
import datetime
import pandas_datareader as pdr
import pandas_datareader.data as pdr_data
import yfinance as yf
start_date = datetime.datetime(2020,4,1)
end_date = datetime.datetime(2020,4,11)
yf.pdr_override()
quotes=pdr_data.get_data_yahoo('002214.sz',start_date,end_date)
quotes.head()
print(quotes)
个人感觉这个接口还是不太好用，速度比较慢，不稳定，有时候数据根本获取不了，在实际使用中无法满足应用需求。
2、从tushare获取数据。tushare是免费的金融大数据开放社区，网址https://tushare.pro/。用户在tushare网站上注册，并修改个人信息后，获取120积分，从网站获取tocken后即可免费使用网站的金融数据。tushare用户级别按积分区分，120积分的免费用户能访问的权限有限，只能访问日线级别的数据，用户可以通过增加积分来升级访问权限。使用tushare数据，需要安装tushare软件包，安装方法pip install tushare -i https://pypi.tuna.tsinghua.edu.cn/simple。使用pip install tushar会产生超时出错，指定国内的数据源，可以顺利安装完成。如果安装有问题，也可以下载安装。从tushare获取股票002214日线数据的代码如下，返回值为DataFrame类型。
import numpy as np
import pandas as pd
import tushare as ts
#设置tushare网站申请的tocken
ts.set_token("your tocken here")
pro = ts.pro_api()
#利用tushare获取股票日线行情数据
df = pro.daily(ts_code='002214.SZ', start_date='20200316', end_date='20200408')
df.info()
print(df)
3、从量化平台获取数据。量化平台，是量化新手入门的有力工具，不仅可以获取数据，也可以进行策略的编辑，回测验证。
在此以业内应用最广泛的聚宽量化平台（https://www.joinquant.com/）为例说明获取股票数据的方法。聚宽量化平台提供的python量化包为JQDataSDK（在聚宽量化平台内部使用为JQData），在使用聚宽量化平台的数据前，要先在聚宽量化平台注册申请试用JQData的账号，试用期限为一年。然后安装JQDataSdk，安装命令为pip install --user jqdatasdk。安装完成后，就可以用注册的用户名和密码使用聚宽数据了。从聚宽量化平台获取002214日线数据代码如下。
import numpy as np
import pandas as pd
from jqdatasdk import *
auth('###########','******') #身份认证
start_date = '2020-3-16'
end_date = '2020-4-8'
quotes = get_price('002214.XSHE',start_date,end_date,frequency='daily',skip_paused='true',fq='pre')
print(quotes)
4、数据展示。上面总结了常用的进行数据获取的三种常用方法，顺带说一下获取数据的图形化展示，只有把数据图形化展示出来，我们才能看到直观的效果。对于DataFrame类型数据，可以使用print语句，直接将结果打印出来，这在上面三种数据获取方法中已经使用过。进行图形化展示，要使用python的matplotlib模块，matplotlib库中有单独的finance模块进行金融数据的展示，该模块现在已经独立出来，名称为mpl_finance模块。可以在anaconda中使用pip install mpl_finance进行安装，安装后用import mpl_finance使用。从聚宽平台获取数据，并绘制日K线图的代码如下：
import datetime
import numpy as np
import pandas as pd
import matplotlib as mpl
import matplotlib.pyplot as plt ## 导入画图模块
from matplotlib.pylab import date2num ## 导入日期到数值一一对应的转换工具
from dateutil.parser import parse ## 导入转换到指定格式日期的工具
import mpl_finance as mpf ## 导入 mpl_finance 模块
from jqdatasdk import * ## 导入jqdata数据库
plt.rcParams['font.family'] = 'SimHei' ## 设置字体
fig, ax = plt.subplots() ## 创建图片和座标轴
fig.subplots_adjust(bottom=0.2) ## 调整底部距离
auth('###########','******') ##聚宽平台进行身份认证
start_date = datetime.datetime(2020,3,16)
end_date = datetime.datetime(2020,4,11)
quotes = get_price('002214.XSHE',start_date,end_date,frequency='daily',skip_paused='true',fq='pre')
print(quotes)
#绘制K线图
mpf.candlestick2_ochl(ax,quotes['open'],quotes['close'],quotes['high'],quotes['low'],width=1.0,colorup='r',colordown='green',alpha=1.0)
plt.show()
注意返回值得列名是大小写敏感的，quotes['open']写成quotes['Open']会报错。
从tushare获取数据后，数据是按照从最近日期到最早日期倒序排列的，所以如果要绘制K线图，需要将数据顺序颠倒后再绘制K线图，要不然绘制出来的K线图是反的。将数据顺序颠倒过来可以采用下面的两种方式之一：
df = pro.daily(ts_code='002214.SZ', start_date='20200316', end_date='20200409')
#将数据按照日期从前往后排列
df=df.reindex(index=df.index[::-1]) #使用reindex方法
print(df)
或者
df = pro.daily(ts_code='002214.SZ', start_date='20200316', end_date='20200409')
#将数据按照日期从前往后排列
df=df.iloc[::-1] #使用iloc方法
print(df)