[Python] 특정 회사의 일별 시세 차트 만들기

Kylie·2022년 10월 16일

python 파이썬

파이썬 토이 프로젝트

목록 보기

1/2

목표

한국거래소에서 기업별 코드 리스트를 가져온다.
일별 시세를 알고 싶은 기업명을 입력하면 해당 기업의 코드값을 찾아 네이버 금융에 검색한다.
검색한 결과를 가져와 일별 시세 차트를 만든다.

필요한 패키지

pip install pandas
pip install matplotlib
pip install plotly
pip install lxml
pip install requests

파일구조

파일명	내용
main.py	프로그램 실행
krx.py	한국거래소에서 기업코드 가져오기
stock.py	네이버 금융에서 특정회사의 일별 시세 데이터 가져오기

1. 입력받은 회사명의 종목코드를 가져오는 함수 만들기

📄 krx.py

import pandas as pd

def get_stock_code(company):
  
  ## 한국거래소에서 종목코드 리스트 가져오기
  KRX_code = pd.read_html('http://kind.krx.co.kr/corpgeneral/corpList.do?method=download', header=0)[0]

  ## 최신 상장순으로 정렬
  KRX_code = KRX_code.sort_values(['상장일'], ascending=False)

  ## 필요한 칼럼만 가져오기
  KRX_code = KRX_code[['회사명', '종목코드']]

  ## 컬럼명 영어로 바꾸기
  KRX_code = KRX_code.rename(columns={'회사명': 'company', '종목코드': 'code'})

  ## 종목코드 6자리로 포맷 맞추기
  KRX_code['code'] = KRX_code['code'].map('{:06d}'.format)

  ## 입력받은 회사명과 일치하는 code 값 가져오기
  code = KRX_code[KRX_code['company'] == company]['code'].values[0].strip()
  return code

2. 네이버 금융에서 일별 시세 데이터 가져오는 함수 만들기

User-agent 값 확인하기

requests를 전송할 때 오류가 발생했다.
이를 해결하기 위해 User-agent를 header에 넣어 요청했다.

User-agent 값을 확인하는 방법은 다음과 같다.

https://www.useragentstring.com 접속한다.
노란색 영역에 있는 값들이 User-agent 값이다.

📄 stock.py

import requests
import pandas as pd
from krx import get_stock_code


def get_daily_stock_info_by_company(company):
  code = get_stock_code(company)

  ## 헤더에 user-agent 값 보내기
  header = {
    'User-Agent': '<User-agent 값>'}

  df = pd.DataFrame()

  for page in range(1, 21):
    url = f"https://finance.naver.com/item/sise_day.naver?code={code}&page={page}"
    res = requests.get(url, headers=header)
    result = pd.read_html(res.text, header=0)[0]
    ## '날짜' 칼럼이 NaN 인 행은 삭제하기
    result = result.dropna(subset=['날짜'])
    df = pd.concat([df, result])

  ## 칼럼명 영어로 수정
  df = df.rename(
    columns={'날짜': 'date', '종가': 'close', '전일비': 'diff', '시가': 'open', '고가': 'high', '저가': 'low', '거래량': 'volume'})

  ## 데이터 타입 바꾸기
  df[['close', 'diff', 'open', 'high', 'low', 'volume']] = df[
    ['close', 'diff', 'open', 'high', 'low', 'volume']].astype(int)
  df['date'] = pd.to_datetime(df['date'])

  ## 일자별로 오름 차순 정렬
  df = df.sort_values('date', ascending=True)

  return df

✏️ Note
네이버 금융의 일별 시세는 총 20 페이지이다. 반복문을 통해 20 페이지까지 있는 모든 데이터를 불러와 df에 담았다.
❗️이때 df.append()를 사용해도 좋지만 권장하지 않아 concat을 사용하여 데이터프레임을 하나로 합쳤다.

3. 일별 시세 차트 그리기

단순 그래프

📄 main.py

import matplotlib.pyplot as plt
import plotly.express as px
from stock import get_daily_stock_info_by_company

company = '삼성전자'
df = get_daily_stock_info_by_company(company)

## 단순 차트 그리기
plt.figure(figsize=(10,4))
plt.plot(df['date'], df['close'])
plt.xlabel('')
plt.ylabel('close')
plt.tick_params(
    axis='x',
    which='both',
    bottom=False,
    top=False,
    labelbottom=False)
plt.savefig(company + ".png")
plt.show()

결과

회사명.png 파일 생성

결과 출력

반응형 그래프

## main.py 기존 코드에 이어서 작성

## 반응형 차트 그리기
fig = px.line(df, x='date', y='close', title='{}의 종가(close) Time Series'.format(company))

fig.update_xaxes(
    rangeslider_visible=True,
    rangeselector=dict(
        buttons=list([
            dict(count=1, label="1m", step="month", stepmode="backward"),
            dict(count=3, label="3m", step="month", stepmode="backward"),
            dict(count=6, label="6m", step="month", stepmode="backward"),
            dict(step="all")
        ])
    )
)
fig.show()
fig.write_html("file.html")