选出市值最小的n只股票，输出csv

小市值因子是很重要的选股策略，主要意思就是，小市值的股票涨幅通常会比较大。
具体执行的方法可以是：每周末（或每个月末）选出市值最小的10只股票，下周初（或下月初）平均资金买入，到下下周（或下下个月）再换10只，如此循环。
本节代码可以生成所有股票最近的交易数据，按市值排序，也可以根据设置，选出市值最小的n只股票（已剔除ST、停盘、即将退市的股票）。
思路：从新浪网站爬取所有股票的最近交易数据，按市值排序，存成csv，供参考买入、卖出。

from urllib.request import urlopen  # python自带爬虫库
import pandas as pd
from datetime import datetime
import time
import re  # 正则表达式库
import os  # 系统库
import json  # python自带的json数据库
pd.set_option('expand_frame_repr', False)  # 当列太多时不换行
pd.set_option('display.max_rows', 500)  # 最多显示数据的行数

# =====函数：从网页上抓取数据,返回抓取到的网页内容
def get_content_from_internet(url, max_try_num=10, sleep_time=5):
    """
    使用python自带的urlopen函数，从网页上抓取数据
    :param url: 要抓取数据的网址
    :param max_try_num: 最多尝试抓取次数
    :param sleep_time: 每次抓取失败后停顿的时间
    :return: 返回抓取到的网页内容
    """
    get_success = False  # 是否成功抓取到内容
    # 抓取内容
    for i in range(max_try_num):
        try:
            content = urlopen(url=url, timeout=15).read()  # 使用python自带的库，从网络上获取信息
            get_success = True  # 成功抓取到内容
            break
        except Exception as e:
            print('抓取数据报错，次数：', i+1, '报错内容：', e)
            time.sleep(sleep_time)

    # 判断是否成功抓取内容
    if get_success:
        return content
    else:
        raise ValueError('使用urlopen抓取网页数据不断报错，达到尝试上限，停止程序，请尽快检查问题所在')

# =====函数：从新浪获取指定股票(可多只，可以是指数)最近一个交易日的数据,整理成一定格式的DataFrame,返回这个DataFrame
def get_today_data_from_sinajs(code_list):
    """
    返回一串股票最近一个交易日的相关数据
    从这个网址获取股票数据：http://hq.sinajs.cn/list=sh600000,sz000002,sz300001
    正常网址：https://finance.sina.com.cn/realstock/company/sh600000/nc.shtml,
    :param code_list: 一串股票代码的list，可以多个，例如[sh600000, sz000002, sz300001],
    :return: 返回一个存储股票数据的DataFrame
    """
    # 构建url
    url = "http://hq.sinajs.cn/list=" + ",".join(code_list) #先用逗号把code_list中的元素连接起来，再在前面加上http:……

    # 抓取数据
    content = get_content_from_internet(url)
    content = content.decode('gbk') #用gbk解码，可解码出中文;解码前是dytes，解码后是str

    # 将数据转换成DataFrame
    content = content.strip()  # 去掉文本前后的空格、回车等
    data_line = content.split('
')  # 每行是一个股票的数据，生成一个列表
    data_line = [i.replace('var hq_str_', '').split(',') for i in data_line] #去掉每行前面的冗余数据，并再次分割，形成2层列表
#    df = pd.DataFrame(data_line, dtype='float')  #dtype='float'可生成数值型数据
    df = pd.DataFrame(data_line)   #这里只生成DF，转float放在下面

    # 对DataFrame进行整理
    df[0] = df[0].str.split('="')   # df[0]是取“0”列
    df['stock_code'] = df[0].str[0].str.strip()
    df['stock_name'] = df[0].str[-1].str.strip()
    df['candle_end_time'] = df[30] + ' ' + df[31]  # 股票市场的K线，是普遍以当跟K线结束时间来命名的
    df['candle_end_time'] = pd.to_datetime(df['candle_end_time'])
    rename_dict = {1: 'open', 2: 'pre_close', 3: 'close', 4: 'high', 5: 'low', 6: 'buy1', 7: 'sell1',
                   8: 'volume', 9: 'amount', 32: 'status'}  # 自己去对比数据，会有新的发现;10~29是买卖五档盘口的数据
    # 其中volume单位是股，amount单位是元
    df.rename(columns=rename_dict, inplace=True)
    #挑选需要转化的列，转化为float
    df[['open', 'high', 'low', 'close', 'pre_close', 'amount','volume', 'buy1', 'sell1']] 
    = df[['open', 'high', 'low', 'close', 'pre_close', 'amount', 'volume', 'buy1', 'sell1']].astype('float')
    df['status'] = df['status'].str.strip('";') #在status列,去掉冗余的‘";’字符

    df = df[['stock_code', 'stock_name', 'candle_end_time', 'open', 'high', 'low', 'close', 'pre_close', 'amount',
             'volume', 'buy1', 'sell1', 'status']] #重新规定列顺序

    return df

# =====函数：从新浪获取所有股票最近一个交易日的数据，返回一个DF
def get_all_today_stock_data_from_sina_marketcenter():
    """
    http://vip.stock.finance.sina.com.cn/mkt/#stock_hs_up
    从新浪网址的上述的网址，逐页获取最近一个交易日所有股票的数据
    :return: 返回一个存储股票数据的DataFrame
    """

    # ===数据网址
    raw_url = 'http://vip.stock.finance.sina.com.cn/quotes_service/api/json_v2.php/Market_Center.getHQNodeData?page=%s' 
              '&num=80&sort=symbol&asc=1&node=hs_a&symbol=&_s_r_a=sort'
    page_num = 1

    # ===存储数据的DataFrame
    all_df = pd.DataFrame()

    # ===获取上证指数最近一个交易日的日期。此段代码在课程视频中没有，之后补上的
    df = get_today_data_from_sinajs(code_list=['sh000001'])
    sh_date = df.iloc[0]['candle_end_time'].date()  # 上证指数最近交易日

    # ===开始逐页遍历，获取股票数据
    while True:
        # 构建url
        url = raw_url % (page_num)
        print('开始抓取页数：', page_num)

        # 抓取数据
        content = get_content_from_internet(url)
        content = content.decode('gbk')

        # 判断页数是否为空
        if 'null' in content:
            print('抓取到页数的尽头，退出循环')
            break

        # 通过正则表达式，给key加上引号
        content = re.sub(r'(?<={|,)([a-zA-Z][a-zA-Z0-9]*)(?=:)', r'"1"', content)
        # 将数据转换成dict格式
        content = json.loads(content)   #此时，content转化为list,其中的元素是dict

        # 将数据转换成DataFrame格式
        df = pd.DataFrame(content, dtype='float')
        # 对数据进行整理
        # 重命名;总市值单位是万元，流通值单位是万元，成交量volume单位股数，成交额amount单位是元
        rename_dict = {'symbol': '股票代码', 'name': '股票名称', 'open': '开盘价', 'high': '最高价', 'low': '最低价','trade': '收盘价',
                       'settlement': '前收盘价', 'volume': '成交量', 'amount': '成交额', 'mktcap':'总市值','nmc':'流通值'}
        df.rename(columns=rename_dict, inplace=True) # 没映射的列，还是保留原来的列名,即列数不会减少
        # 添加交易日期
        # df['交易日期'] = pd.to_datetime(datetime.now().date())  # 课程视频中使用的是本行代码
        df['交易日期'] = pd.to_datetime(sh_date)  # 在课程视频中使用的是上一行代码，现在改成本行代码，程序更加稳健
        # df中的字段，还包括：mktcap（总市值)、nmc（流通值）、per（本益比，类似市盈率）、pb（市净率）、turnoverratio（换手率）
        # 取需要的列
        df = df[['股票代码', '股票名称', '交易日期', '开盘价', '最高价', '最低价', '收盘价',
                 '前收盘价', '成交量', '成交额','总市值','流通值']]


        # 合并数据
        all_df = all_df.append(df, ignore_index=True)

        # 将页数+1
        page_num += 1
        time.sleep(1)

    # ===将当天停盘的股票删除，此段代码在课程视频中没有，之后补上的
    all_df = all_df[all_df['开盘价'] - 0 > 0.00001]
    all_df.reset_index(drop=True, inplace=True)

    # ===返回结果
    return all_df

# 以下为主程序
# ===参数设定
select_stock_num = 10  # 选股数量

# 获取今天所有的股票数据
df = get_all_today_stock_data_from_sina_marketcenter()

# 函数中已删除当天停盘的股票，这里再删除ST和即将退市的股票
df = df[df['股票名称'].str.contains('ST')== False] # 删除ST股票
df = df[df['股票名称'].str.contains('退') == False] #删除即将退市股票

df['排名'] = df['总市值'].rank() # 根据总市值的排名
df.to_csv(r'C:UsersloriDesktopstockinvestproject1datadjl_data根据当前总市值选股all_stock_rank.csv',
          encoding='gbk',mode='w',index=False)
df.sort_values(by='总市值',inplace=True) # 根据总市值排序

df_select = df[['交易日期','股票代码', '股票名称', '总市值','流通值','排名','收盘价']]
df_select = df_select.iloc[:select_stock_num]
df_select.to_csv(r'C:UsersloriDesktopstockinvestproject1datadjl_data根据当前总市值选股select_stock.csv',
          encoding='gbk',mode='w',index=False)