네이버 주식 시세 - 웹 스크래핑(web scraping)

네이버 등 포털 사이트에서 제공하는 주식시세(주가정보) 데이터를 가져와서, 그래프로 간략하게 그려보는 예제를 만들어 봅니다. 처음에는 코드 한줄 한줄 전부 이해하는 것보다는 예제 코드를 최대한 타이핑해보면서 실행 결과를 확인해 보면서 흥미를 갖는 것이 중요합니다. 
 
지난 포스팅에서 설명드린 pandas.read_html 함수를 사용해서 네이버 주식 시세 테이블을 dataframe으로 가져옵니다. 아래 그림처럼 주식시세가 웹페이지 여러 페이지에 걸쳐 있기 때문에, 페이지를 한장씩 넘어가면서 pandas.read_html 함수를 사용하여 표를 여러 번 나누어서 읽어야 합니다. 

우선, 필요한 패키지(pandas, datetime)를 불러온다. 네임스페이스를 사용하여 pd, dt 등 약칭으로 부른다

import pandas as pd  # 데이터프레임을 다루는 패키지  import datetime as dt  # 시간을 다루는 패키지  import matplotlib.pyplot as plt  # 그래프 시각화 패키지  from matplotlib import style

  
이제 본격적으로 웹 스크래핑을 처리하는 함수(function)을 정의합니다. url 주소에 들어 있는 종목코드(6자리)와 주식시세 페이지 번호(page)를 유의해서 살펴보시기 바랍니다. 

def read_stock_price_page(stock_code, page_num):     '''     네이버 주식시세 페이지에 접속하여 table을 dataframe으로 가져와서 정리     '''     target_url = ('http://finance.naver.com/item/sise_day.nhn?code='+ stock_code + '&page=' + str(page_num))     data = pd.read_html(target_url)     data = data[0]     data.columns = ['날짜', '당일종가', '전일종가', '시가', '고가', '저가', '거래량']     price_data = data.dropna(axis=0, how='any')     price_data = price_data.drop(price_data.index[0])     price_data = price_data.reset_index(drop=True)     price_data['날짜'] = pd.to_datetime(price_data['날짜'], format='%Y/%m/%d')     return price_data

  
오늘부터 과거로 소급해서 일정한 기간 동안의 주가 정보만을 가져오는 기능을 추가해 봅니다. days_limit이라는 변수를 함수 인자로 받아서, datetime 시간 클래스를 활용하여 기간을 계산합니다. 앞서 정의한 read_stock_price_page( ) 함수를 사용하여 매 페이지의 주가 정보를 가져 옵니다. 

def stock_price_pages_to_df(code, days_limit=30):     '''     오늘부터 days_limit 일수 만큼 이전 날짜 주가를 가져온다.      '''          df_list_price = []     page = 1     while True:         try:                 data = read_stock_price_page(code, page)             time_limit = dt.datetime.now() - data['날짜'][0]               if time_limit.days > days_limit: break                df_list_price.append(data)                                  page = page + 1              except: break     df_price = pd.concat(df_list_price)     df_price = df_price.reset_index(drop=True)     return df_price

앞서 정의한 stock_price_pages_to_df( )함수에 종목코드와 기간(날짜)을 인자로 입력해서 dataframe 형태로 정리된 데이터를 return값으로 전달받습니다.   

# 함수를 실행하여 KH바텍(060720)의 과거 30일 주가정보를 가져온다.      stock_code = '060720'  days_limit = 30  df = stock_price_pages_to_df(stock_code, days_limit)

df 변수에 할당된 데이터프레임을 아래와 같이 잘 정리가 되었습니다. 

	날짜	당일종가	전일종가	시가	고가	저가	거래량
0	2018-07-02 0:00:00	10100	600	10850	10900	10000	137977
1	2018-06-29 0:00:00	10700	300	10550	10900	9990	170253
2	2018-06-28 0:00:00	10400	500	10900	10950	10150	155769
3	2018-06-27 0:00:00	10900	100	10800	11050	10500	133548
4	2018-06-26 0:00:00	10800	350	10900	11000	10700	63039
5	2018-06-25 0:00:00	11150	150	11400	11450	11000	55519
6	2018-06-22 0:00:00	11300	100	11250	11450	10750	134805
7	2018-06-21 0:00:00	11200	350	11350	11750	11200	133002
8	2018-06-20 0:00:00	11550	250	11200	11600	10900	308596
9	2018-06-19 0:00:00	11300	700	11850	11950	11300	180656
10	2018-06-18 0:00:00	12000	1400	13400	13400	12000	309787
11	2018-06-15 0:00:00	13400	50	13600	13600	12900	201376
12	2018-06-14 0:00:00	13450	250	13200	13700	13150	347451
13	2018-06-12 0:00:00	13200	1250	12200	13300	12050	558148
14	2018-06-11 0:00:00	11950	0	12000	12250	11950	62293
15	2018-06-08 0:00:00	11950	0	11950	12200	11800	59258
16	2018-06-07 0:00:00	11950	200	12200	12300	11900	49088
17	2018-06-05 0:00:00	12150	250	11800	12250	11800	42485
18	2018-06-04 0:00:00	11900	0	11900	12200	11700	25171
19	2018-06-01 0:00:00	11900	100	11800	12100	11750	32062

matplotlib 패키지를 사용하면, 그래프를 쉽게 그릴 수 있습니다. ggplot 스타일을 지정하고, 날짜를 x축으로 하고 당일종가 그래프를 그리게 됩니다.  

# 주식 시세(당일종가) 그래프를 그린다.  style.use('ggplot')   #그래프 스타일 지정  plt.plot(df.날짜, df.당일종가.astype(int))    plt.show()

  
ggplot 스타일로 그래프를 그립니다. KH바텍은 6월 한 달 동안 주가가 급등 후에 급락하는 패턴을 보이네요. 

[출처] 네이버 주식 시세 - 웹 스크래핑(web scraping)|작성자 아빠go