Ältere MetaStock-Daten in Python einlesen

Zusammenfassung

Das Dokument fragt, ob ältere MetaStock-Tagesenddateien direkt in pandas geladen werden können. Es beschreibt das Format als binär und weist darauf hin, dass es mit mehreren Dateitypen verbunden ist, enthält aber weder ein Dekodierungsverfahren noch Implementierungsdetails.

Laut der akzeptierten Antwort können gängige Python-Bibliotheken dieses ältere Format nicht direkt lesen; die Daten müssten daher vor dem Import in Text umgewandelt werden. Als einfachere Alternative wird vorgeschlagen, die Daten von einem Python-kompatiblen Anbieter zu beziehen. Dies ist eine kurze, datierte Antwort und keine technische Anleitung: Sie demonstriert keine Konvertierung, vergleicht Anbieter nicht ausführlich und stellt nicht fest, ob neuere Werkzeuge das Format unterstützen.

Kernaussagen

• Ältere MetaStock-Daten liegen laut Antwort in einem Binärformat vor, das gängige Python-Bibliotheken nicht direkt lesen können.
• Als Umgehungslösung wird vorgeschlagen, die Dateien vor dem Import in pandas in Text umzuwandeln.
• Die Antwort empfiehlt alternativ einen Datenanbieter mit Python-Integration.
• Das Dokument enthält weder ein Konvertierungsbeispiel noch Belege über die Behauptung der antwortenden Person hinaus.

Schlagwörter

# Loading metastock data into panda data frames


# Loading metastock data into panda data frames












Most paid end-of-day data packages are available in metastock format. For analytics purposes, it will be nice if one can read the metastock data and load them into Python panda data frames. Is it possible to do this today?

The metastock format I am referring to is the legacy (pre-12.0) MetaStock file format. It is a binary file format and originated from the Computrac file format. There are four files associated with the format: MASTER, EMASTER, XMASTER, FDAT, and F.MWD.

## Answer by Rehan (score 1, accepted)

https://quant.stackexchange.com/a/32760

The binary data from MetaStock cannot be directly read into a pandas dataframe, or for the matter of fact, into any python library commonly known. For this you would need to convert it into text and then import, which simply complicates the process.

The easier way to do this, would be to use Quandl - although it costs slightly higher than MetaStock, it ties in very well to Python, and you can import the requisite data in a jiffy.

Vollständig mit Quellenangabe unter der Lizenz der Quelle angezeigt. Lizenz: CC BY-SA 4.0 (Stack Exchange)

Diese Zusammenfassung wurde vom Research-Agenten von Stratmill anhand des Originals verfasst; sie ist keine Kopie der Quelle.