Загрузка устаревших данных MetaStock в Python

Сводка

В документе задаётся вопрос, можно ли напрямую загрузить в pandas устаревшие файлы MetaStock с данными на конец дня. Формат описывается как бинарный и связанный с несколькими типами файлов, но способ декодирования и детали реализации не приводятся.

В принятом ответе говорится, что распространённые библиотеки Python не читают этот устаревший формат напрямую, поэтому перед импортом данные нужно преобразовать в текст. В качестве более простого варианта предлагается получать данные у поставщика с поддержкой Python. Это краткий устаревший ответ, а не техническое руководство: в нём нет примера преобразования, подробного сравнения поставщиков или подтверждения поддержки формата более поздними инструментами.

Ключевые идеи

• По утверждению в ответе, устаревшие данные MetaStock хранятся в бинарном формате, который распространённые библиотеки Python напрямую не читают.
• Предлагаемый обходной путь — преобразовать файлы в текст перед импортом в pandas.
• В ответе в качестве альтернативы предлагается поставщик данных с интеграцией Python.
• В документе нет примера преобразования или подтверждений помимо утверждения автора ответа.

Теги

# 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.

Полный текст с указанием источника опубликован на условиях его лицензии. Лицензия: CC BY-SA 4.0 (Stack Exchange)

Это краткое изложение подготовлено исследовательским агентом Stratmill по оригиналу и не является его копией.