如何在股票预测LSTM代码中使用自定义CSV替代雅虎财经数据源

一、需要调整的核心代码部分 #

• 删掉不必要的依赖：原代码中用于爬取雅虎财经数据的pandas_datareader库可以移除，对应的导入语句删除即可。
• 替换训练数据读取逻辑：原web.DataReader读取在线数据的代码，替换为pd.read_csv读取本地CSV文件。因为你提到当前CSV无表头、后续可添加，两种场景的写法如下：

  无表头场景：假设你的CSV第1列是日期、第5列是收盘价（和雅虎财经返回的列顺序一致：日期、开盘、最高、最低、收盘、调整后收盘、成交量），读取时手动指定列名即可
  有表头场景：后续你在Excel添加了Date、Close这类表头后，简化读取逻辑即可

• 替换测试数据读取逻辑：原测试数据也是在线拉取的，同样替换为本地CSV读取，你可以选择把全量数据存在一个CSV里直接按时间切片，或者分开存训练、测试两个CSV文件。
• 时间筛选逻辑调整：如果你的CSV里包含了超出训练/测试时间范围的数据，可以用pandas的时间筛选功能切出对应区间，和原逻辑保持一致。

二、修改后的完整代码示例 #

import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
import datetime as dt

from sklearn.preprocessing import MinMaxScaler
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense, Dropout, LSTM

# ---------------------- 修改1：配置CSV路径和参数  ----------------------
CSV_PATH = "你的股票数据文件路径.csv"
prediction_days = 60
# 保持和原逻辑一致的训练、测试时间范围
train_start = dt.datetime(2012,1,1)
train_end = dt.datetime(2021,1,1)
test_start = dt.datetime(2020,1,1)
test_end = dt.datetime.now()

# ---------------------- 修改2：读取本地CSV数据  ----------------------
# 无表头时用当前写法
df = pd.read_csv(CSV_PATH, 
                 # 手动指定列名，和你CSV实际列顺序对应即可，如果只需要收盘价可以只保留日期、收盘价两列
                 names=["Date", "Open", "High", "Low", "Close", "Adj Close", "Volume"],
                 parse_dates=["Date"], # 自动解析日期列为时间格式
                 index_col="Date") # 将日期设为索引方便后续按时间筛选
# 后续你给CSV加了表头后，替换为下面的写法即可
# df = pd.read_csv(CSV_PATH, parse_dates=["Date"], index_col="Date")

# 切出训练区间数据
data = df.loc[train_start:train_end]

scaler = MinMaxScaler(feature_range=(0,1))
scaled_data = scaler.fit_transform(data['Close'].values.reshape(-1, 1))

x_train = []
y_train = []

for x in range(prediction_days, len(scaled_data)):
    x_train.append(scaled_data[x-prediction_days:x, 0])
    y_train.append(scaled_data[x, 0])

x_train, y_train = np.array(x_train), np.array(y_train)
x_train = np.reshape(x_train, (x_train.shape[0], x_train.shape[1], 1))

# 模型构建部分不需要修改
model = Sequential()
model.add(LSTM(units=50, return_sequences=True, input_shape=(x_train.shape[1], 1)))
model.add(Dropout(0.2))
model.add(LSTM(units=50, return_sequences=True))
model.add(Dropout(0.2))
model.add(LSTM(units=50))
model.add(Dropout(0.2))
model.add(Dense(units=1)) # 预测下一日收盘价

model.compile(optimizer='adam', loss='mean_squared_error')
model.fit(x_train, y_train, epochs=25, batch_size=32)

# ---------------------- 修改3：切出测试区间数据  ----------------------
test_dataset = df.loc[test_start:test_end]
actual_prices = test_dataset['Close'].values

total_dataset = pd.concat((data['Close'], test_dataset['Close']), axis=0)

model_inputs = total_dataset[len(total_dataset)-len(test_dataset)-prediction_days:].values
model_inputs = model_inputs.reshape(-1,1)
model_inputs = scaler.transform(model_inputs)

# 测试集预测逻辑不需要修改
x_test = []
for x in range(prediction_days, len(model_inputs)):
    x_test.append(model_inputs[x-prediction_days:x, 0])
    
x_test = np.array(x_test)
x_test = np.reshape(x_test,(x_test.shape[0], x_test.shape[1],1))

predicted_prices = model.predict(x_test)
predicted_prices = scaler.inverse_transform(predicted_prices)

# 绘图部分不需要修改
plt.plot(actual_prices, color="green", label="实际价格")
plt.plot(predicted_prices, color="blue", label="预测价格")
plt.title("GER40股价")
plt.xlabel('时间')
plt.ylabel('GER40价格')
plt.legend()
plt.show()

# 下一日价格预测逻辑不需要修改
real_dataset = [model_inputs[len(model_inputs)+1-prediction_days:len(model_inputs+1), 0]]
real_dataset = np.array(real_dataset)
real_dataset = np.reshape(real_dataset, (real_dataset.shape[0], real_dataset.shape[1], 1))
prediction = model.predict(real_dataset)
prediction = scaler.inverse_transform(prediction)
print(f"下一日收盘价预测: {prediction}")

三、注意事项 #

• 如果CSV日期格式解析失败，可以在pd.read_csv中新增date_parser参数指定你本地CSV的日期格式，比如date_parser=lambda x: pd.to_datetime(x, format="%Y/%m/%d")
• 如果你的CSV只存了收盘价数据，调整read_csv的names参数为["Date", "Close"]即可，和实际列顺序对应就行

内容的提问来源于stack exchange，提问作者Terry