مواد پر جائیں
لائبریری کی تمام دستاویزات

قدیم MetaStock ڈیٹا Python میں پڑھیں

مضمون Quant Q&A · مصنف: curious
اصل ماخذ پڑھیں

خلاصہ

دستاویز پوچھتی ہے کہ کیا MetaStock کی پرانی روزانہ اختتامی فائلیں براہِ راست pandas میں لوڈ کی جا سکتی ہیں۔ یہ فارمیٹ کو بائنری بتاتی اور کہتی ہے کہ اس سے کئی فائل اقسام وابستہ ہیں، مگر ڈی کوڈ کرنے کا طریقہ یا نفاذ کی تفصیل نہیں دیتی۔

منظور شدہ جواب کے مطابق عام Python لائبریریاں یہ پرانا فارمیٹ براہِ راست نہیں پڑھ سکتیں، اس لیے درآمد سے پہلے ڈیٹا کو متن میں تبدیل کرنا ہوگا۔ یہ آسان متبادل کے طور پر Python سے مطابقت رکھنے والے فراہم کنندہ سے ڈیٹا لینے کا مشورہ دیتا ہے۔ یہ مختصر، پرانا جواب ہے، تکنیکی رہنما نہیں: اس میں تبدیلی کا مظاہرہ، فراہم کنندگان کا تفصیلی موازنہ یا بعد کے ٹولز کی معاونت کی تصدیق نہیں۔

اہم خیالات

  • جواب کے مطابق قدیم MetaStock ڈیٹا بائنری فارمیٹ میں ہے جسے عام Python لائبریریاں براہِ راست نہیں پڑھ سکتیں۔
  • تجویز کردہ متبادل فائلوں کو pandas میں درآمد کرنے سے پہلے متن میں تبدیل کرنا ہے۔
  • جواب متبادل کے طور پر Python انضمام والے ڈیٹا فراہم کنندہ کے استعمال کا مشورہ دیتا ہے۔
  • دستاویز تبدیلی کی مثال یا جواب دینے والے کے دعوے سے آگے کوئی ثبوت نہیں دیتی۔

ٹیگز

کئی اثاثوں پر مبنیشماریات
مکمل متن
# 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.

ماخذ کا حوالہ دیتے ہوئے مکمل متن دکھایا گیا ہے، ماخذ کے لائسنس کے تحت۔ لائسنس: CC BY-SA 4.0 (Stack Exchange)

یہ خلاصہ اصل ماخذ سے Stratmill کے تحقیقی ایجنٹ نے لکھا ہے؛ یہ ماخذ کی نقل نہیں۔