tushare提供方法，方便獲取某隻股票的歷史交易資料

方法名稱：get_hist_data

1。獲取某隻股票全部交易資料

import tushare as ts

ts.get_hist_data('600848') #一次性獲取全部日k線資料

輸出結果：

是一個DataFrame結構的資料，index就是交易日期，也就是每個交易日
共有15列；說明如下：

date：日期 —index列
open：開盤價
high：最高價
close：收盤價
low：最低價
volume：成交量
price_change：價格變動
p_change：漲跌幅
ma5：5日均價
ma10：10日均價
ma20:20日均價
v_ma5:5日均量
v_ma10:10日均量
v_ma20:20日均量
turnover:換手率[注：指數無此項]

可以自主選擇交易範圍，即交易日期可以自由設定
例如這樣：

df=ts.get_hist_data('601857',start='2016-06-15',end='2017-11-06')

接下來如果不想要那麼多列，可以自由選擇列表，即是對DataFrame資料結構的一個操作，
例如這樣：

dd=df[['open','high','low','close']]

得到子項
open high low close
date
2018-04-20 42.93 43.65 41.71 41.89
2018-04-19 41.88 43.18 41.37 42.96
2018-04-18 42.82 43.24 41.00 41.89
2018-04-17 43.74 43.95 42.29 42.79
2018-04-16 42.80 44.70 42.59 43.72
2018-04-13 43.61 44.25 42.28 42.55
2018-04-12 43.72 44.65 43.38 43.61
2018-04-11 43.04 44.45 42.75 43.72
2018-04-10 41.98 43.24 41.26 43.10
2018-04-09 41.70 43.00 41.08 42.00
2018-04-04 42.52 43.47 41.69 42.48

接下來順道說下，對交易資料的排序動作：

上面得到的dd，獲取的資料順序，從日期上來看，是倒序的，就是越晚的交易資料，越在前面
你可以換，逆序排列下：

dd1=dd .sort_index()

接下來對資料的處理有：

如：將df資料結構轉換為一維資料結構：

dd2=dd1.values.flatten()

得到個格式，就是將上面排序之後的資料，從最後一個向最前一個，全部放在一維數組裡面：
[ 40.2 41.99 40.2 40.85 40.35 42.22 40.25 42.08 42.52 43.47
41.69 42.48 41.7 43. 41.08 42. 41.98 43.24 41.26 43.1
43.04 44.45 42.75 43.72 43.72 44.65 43.38 43.61 43.61 44.25
42.28 42.55 42.8 44.7 42.59 43.72 43.74 43.95 42.29 42.79
42.82 43.24 41. 41.89 41.88 43.18 41.37 42.96 42.93 43.65
41.71 41.89]

這步操作實際對交易流水的行為就是：從交易開始日期到交易結束日期的資料，根據選擇的特徵，例如：開盤價，最高價，最低價，收盤價；四個一節段，平接在一起，存放在一個一維數組裡面；

可以繼續將上面的陣列進行逆序，獲取的結果將是從收盤當日往前推若干個日期的交易資料：

g1=dd2[::-1]

結果就是這樣的：
[ 41.89 41.71 43.65 42.93 42.96 41.37 43.18 41.88 41.89 41. 43.24
42.82 42.79 42.29 43.95 43.74 43.72 42.59 44.7 42.8 42.55
42.28 44.25 43.61 43.61 43.38 44.65 43.72 43.72 42.75 44.45
43.04 43.1 41.26 43.24 41.98 42. 41.08 43. 41.7 42.48
41.69 43.47 42.52 42.08 40.25 42.22 40.35 40.85 40.2 41.99
40.2 ]