如何用baostock库查询某只股票的财务状况能力？
17 / 0 / 创建于 2年前
Gandedong 的个人博客
接我上一篇文章，我是一名审计师，不是程序员，如果我想获得某类股票的基本信息，但又不记得这些股票的代码，那么如何进行模糊查询呢？
这里要用到Baostock库：
代码如下：
##获取某类股票的信息
import pandas as pd
import baostock as bs
# 登陆系统
lg = bs.login()
# 显示登陆返回信息
print('login respond error_code:' + lg.error_code)
print('login respond error_msg:' + lg.error_msg)
rs = bs.query_stock_basic(code_name="银行") # 支持模糊查询
data_list = []
while (rs.error_code == '0') & rs.next():
# 获取一条记录，将记录合并在一起
data_list.append(rs.get_row_data())
result = pd.DataFrame(data_list, columns=rs.fields)
bs.logout()
print(result)运行结果如下：
login success!
login respond error_code:0
login respond error_msg:success
logout success!
code code_name ipoDate outDate type status
0 sh.000134 上证银行股指数 2012-05-29 2 1
1 sh.000849 沪深300非银行金融指数 2012-12-21 2 1
2 sh.000951 沪深300银行指数 2009-10-28 2 1
3 sh.600000 浦发银行 1999-11-10 1 1
4 sh.600015 华夏银行 2003-09-12 1 1
5 sh.600016 民生银行 2000-12-19 1 1
6 sh.600036 招商银行 2002-04-09 1 1
7 sh.600908 无锡银行 2016-09-23 1 1
8 sh.600919 江苏银行 2016-08-02 1 1
9 sh.600926 杭州银行 2016-10-27 1 1
10 sh.600928 西安银行 2019-03-01 1 1
11 sh.601009 南京银行 2007-07-19 1 1
12 sh.601128 常熟银行 2016-09-30 1 1
13 sh.601166 兴业银行 2007-02-05 1 1
14 sh.601169 北京银行 2007-09-19 1 1
15 sh.601187 厦门银行 2020-10-27 1 1
16 sh.601229 上海银行 2016-11-16 1 1
17 sh.601288 农业银行 2010-07-15 1 1
18 sh.601328 交通银行 2007-05-15 1 1
19 sh.601398 工商银行 2006-10-27 1 1
20 sh.601528 瑞丰银行 2021-06-25 1 1
21 sh.601577 长沙银行 2018-09-26 1 1
22 sh.601658 邮储银行 2019-12-10 1 1
23 sh.601665 齐鲁银行 2021-06-18 1 1
24 sh.601818 光大银行 2010-08-18 1 1
25 sh.601838 成都银行 2018-01-31 1 1
26 sh.601860 紫金银行 2019-01-03 1 1
27 sh.601916 浙商银行 2019-11-26 1 1
28 sh.601939 建设银行 2007-09-25 1 1
29 sh.601963 重庆银行 2021-02-05 1 1
30 sh.601988 中国银行 2006-07-05 1 1
31 sh.601997 贵阳银行 2016-08-16 1 1
32 sh.601998 中信银行 2007-04-27 1 1
33 sh.603323 苏农银行 2016-11-29 1 1
34 sz.000001 平安银行 1991-04-03 1 1
35 sz.002142 宁波银行 2007-07-19 1 1
36 sz.002807 江阴银行 2016-09-02 1 1
37 sz.002936 郑州银行 2018-09-19 1 1
38 sz.002948 青岛银行 2019-01-16 1 1
39 sz.002966 苏州银行 2019-08-02 1 1如果我不想查“银行”，而是想查“茅台”呢？一样可以的，只要将rs = bs.query_stock_basic(code_name=”银行”)改成(code_name=”茅台”)就可以了。
运行结果如下：
login success!
login respond error_code:0
login respond error_msg:success
logout success!
code code_name ipoDate outDate type status
0 sh.600519 贵州茅台 2001-08-27 1 1这样的操作比较简单，但如果我要做一个贵州茅台的财务分析，再一个一个指标去查的话，将会比较麻烦。一般来说，我会将需要查询的指标放到一个py程序中，固定格式，有需要的时候直接查询，为了方便初学者理解，代码不用for in 循环结构，详细如下：
##**查询某只股票的财务状况能力*
import baostock as bs
import pandas as pd
# 登陆系统
lg = bs.login()
# 显示登陆返回信息
print('login respond error_code:'+lg.error_code)
print('login respond error_msg:'+lg.error_msg)
stocknum = input("请输入股票代码，例如茅台为:sh.600519，平安银行为sz.000001等:")
# 查询季频估值指标盈利能力
profit_list = []
rs1= bs.query_profit_data(code=stocknum, year=2020, quarter=1)##获取2020年第一季盈利能力
rs2= bs.query_profit_data(code=stocknum, year=2020, quarter=2)##获取2020年第二季盈利能力
rs3= bs.query_profit_data(code=stocknum, year=2020, quarter=3)##获取2020年第三季盈利能力
rs4= bs.query_profit_data(code=stocknum, year=2020, quarter=4)
rs5= bs.query_profit_data(code=stocknum, year=2021, quarter=1)
while (rs1.error_code == '0') & rs1.next():
profit_list.append(rs1.get_row_data())
profit_list.append(rs2.get_row_data())
profit_list.append(rs3.get_row_data())
profit_list.append(rs4.get_row_data())
profit_list.append(rs5.get_row_data())
resp = pd.DataFrame(profit_list,columns=rs1.fields)##导入Pandas
resp.rename(columns={'code':'证券号'},inplace=True) #将表头的名称改成统一的名称
resp.rename(columns={'pubDate':'财报日期'},inplace=True) #将表头的名称改成统一的名称
resp.rename(columns={'statDate':'财报统计截止日'},inplace=True) #将表头的名称改成统一的名称
resp.rename(columns={'roeAvg':'净资产收益率(平均)'},inplace=True) #将表头的名称改成统一的名称
resp.rename(columns={'npMargin':'销售净利率'},inplace=True) #将表头的名称改成统一的名称
resp.rename(columns={'gpMargin':'销售毛利率'},inplace=True) #将表头的名称改成统一的名称
resp.rename(columns={'netProfit':'净利润(元)'},inplace=True) #将表头的名称改成统一的名称
resp.rename(columns={'MBRevenue':'主营营业收入(元)'},inplace=True) #将表头的名称改成统一的名称
resp.rename(columns={'totalShare':'总股本'},inplace=True) #将表头的名称改成统一的名称
resp.rename(columns={'liqaShare':'流通股本'},inplace=True) #将表头的名称改成统一的名称
resp.rename(columns={'epsTTM':'每股收益'},inplace=True) #将表头的名称改成统一的名称
#获取公司业绩快报 #
result_list = []
rs6 = bs.query_dupont_data(code=stocknum, year=2020, quarter=1)
rs7 = bs.query_dupont_data(code=stocknum, year=2020, quarter=2)
rs8 = bs.query_dupont_data(code=stocknum, year=2020, quarter=3)
rs9 = bs.query_dupont_data(code=stocknum, year=2020, quarter=4)
rs10 = bs.query_dupont_data(code=stocknum, year=2021, quarter=1)
while (rs6.error_code == '0') & rs6.next():
result_list.append(rs6.get_row_data())
result_list.append(rs7.get_row_data())
result_list.append(rs8.get_row_data())
result_list.append(rs9.get_row_data())
result_list.append(rs10.get_row_data())
# 获取一条记录，将记录合并在一起
resp2 = pd.DataFrame(result_list, columns=rs6.fields)
resp2.rename(columns={'code':'证券号'},inplace=True) #将表头的名称改成统一的名称
resp2.rename(columns={'pubDate':'财报日期'},inplace=True) #将表头的名称改成统一的名称
resp2.rename(columns={'statDate':'财报统计截止日'},inplace=True) #将表头的名称改成统一的名称
resp2.rename(columns={'dupontROE':'净资产收益率'},inplace=True) #将表头的名称改成统一的名称
resp2.rename(columns={'dupontAssetStoEquity':'权益乘数'},inplace=True) #将表头的名称改成统一的名称
resp2.rename(columns={'dupontAssetTurn':'总资产周转率'},inplace=True) #将表头的名称改成统一的名称
resp2.rename(columns={'dupontPnitoni':'归属母公司股东的净利润'},inplace=True) #将表头的名称改成统一的名称
resp2.rename(columns={'dupontNitogr':'净利润率'},inplace=True) #将表头的名称改成统一的名称
resp2.rename(columns={'dupontTaxBurden':'税负水平(净利润/利润总额)'},inplace=True) #将表头的名称改成统一的名称
resp2.rename(columns={'dupontIntburden':'利息负担(利润总额/息税前利润)'},inplace=True) #将表头的名称改成统一的名称
resp2.rename(columns={'dupontEbittogr':'经营利润率'},inplace=True) #将表头的名称改成统一的名称
respall=pd.merge(resp,resp2)
# 打印输出
print(respall)
# 结果集输出到csv文件
#result_profit.to_csv("D:\\profit_data.csv", encoding="gbk", index=False)
# 登出系统
bs.logout()
当这个程序运行的时候，会弹出：
这个时候输入要查询的股票代码，如我想查询茅台，输入sh.600519
结果如下：
如我想查询五粮液，输入：sz.000858
结果如下：
又或者，查询两者后将结果保在EXCEL文件中。
代码说明：
baostock库只提供了数据，如果将这些数据转化成财务需要的格式是pandas库的事，从基本上说，涉及统计和数据分析的库中，Pandas是必须要掌握的数据结构，它能提供快速、灵活的数据整理方法，又可以结合其他不同功能的库进行使用，应用生态丰富，所以很多搞大数据分析的人都会用到Pandas这个工具，就像修车的一定会用扳手一样。而作为财务人员，我的建议是掌握几个基本的套路，因为一般的财务工作大多带有重复性，只要重复的套路用多了，迟早会熟能生巧。
本作品采用《CC 协议》，转载必须注明作者和本文链接
关于 LearnKu
粤公网安备 44030502004330号
推荐文章：