ValueError:平台localtime（）/gmtime（）函数的时间戳超出范围

Question

我的课堂作业是编写一个python程序，从Yahoo Finance下载过去25年全球主要股市指数：

• 道琼斯指数（美国）
• 标准普尔500指数（美国）
• 纳斯达克（美国）
• DAX（德国）
• 富时指数（英国）
杭生（香港）
• KOSPI（韩国）
• CNX NIFTY（印度）

不幸的是，当我运行程序时发生了一个错误。在

File "C:\ProgramData\Anaconda2\lib\site-packages\yahoofinancials__init__.py", line 91, in format_date form_date = datetime.datetime.fromtimestamp(int(in_date)).strftime('%Y-%m-%d')

ValueError: timestamp out of range for platform localtime()/gmtime() function

如果你看到下面，你可以看到我写的代码。我在试着纠正我的错误。你能帮帮我吗？谢谢

from yahoofinancials import YahooFinancials
import pandas as pd

# Select Tickers and stock history dates
index1 = '^DJI'
index2 = '^GSPC'
index3 = '^IXIC'
index4 = '^GDAXI'
index5 = '^FTSE'
index6 = '^HSI'
index7 = '^KS11'
index8 = '^NSEI'
freq = 'daily'
start_date = '1993-06-30'
end_date = '2018-06-30'


# Function to clean data extracts
def clean_stock_data(stock_data_list):
    new_list = []
    for rec in stock_data_list:
        if 'type' not in rec.keys():
            new_list.append(rec)
    return new_list

# Construct yahoo financials objects for data extraction
dji_financials = YahooFinancials(index1)
gspc_financials = YahooFinancials(index2)
ixic_financials = YahooFinancials(index3)
gdaxi_financials = YahooFinancials(index4)
ftse_financials = YahooFinancials(index5)
hsi_financials = YahooFinancials(index6)
ks11_financials = YahooFinancials(index7)
nsei_financials = YahooFinancials(index8)


# Clean returned stock history data and remove dividend events from price history
daily_dji_data = clean_stock_data(dji_financials
                                     .get_historical_stock_data(start_date, end_date, freq)[index1]['prices'])
daily_gspc_data = clean_stock_data(gspc_financials
                                     .get_historical_stock_data(start_date, end_date, freq)[index2]['prices'])
daily_ixic_data = clean_stock_data(ixic_financials
                                     .get_historical_stock_data(start_date, end_date, freq)[index3]['prices'])
daily_gdaxi_data = clean_stock_data(gdaxi_financials
                                     .get_historical_stock_data(start_date, end_date, freq)[index4]['prices'])                                   
daily_ftse_data = clean_stock_data(ftse_financials
                                     .get_historical_stock_data(start_date, end_date, freq)[index5]['prices'])                         
daily_hsi_data = clean_stock_data(hsi_financials
                                     .get_historical_stock_data(start_date, end_date, freq)[index6]['prices'])
daily_ks11_data = clean_stock_data(ks11_financials
                                     .get_historical_stock_data(start_date, end_date, freq)[index7]['prices'])
daily_nsei_data = clean_stock_data(nsei_financials
                                     .get_historical_stock_data(start_date, end_date, freq)[index8]['prices'])
stock_hist_data_list = [{'^DJI': daily_dji_data}, {'^GSPC': daily_gspc_data}, {'^IXIC': daily_ixic_data},
                        {'^GDAXI': daily_gdaxi_data}, {'^FTSE': daily_ftse_data}, {'^HSI': daily_hsi_data},
                        {'^KS11': daily_ks11_data}, {'^NSEI': daily_nsei_data}]


# Function to construct data frame based on a stock and it's market index
def build_data_frame(data_list1, data_list2, data_list3, data_list4, data_list5, data_list6, data_list7, data_list8):
    data_dict = {}
    i = 0
    for list_item in data_list2:
        if 'type' not in list_item.keys():
            data_dict.update({list_item['formatted_date']: {'^DJI': data_list1[i]['close'], '^GSPC': list_item['close'],
                                                            '^IXIC': data_list3[i]['close'], '^GDAXI': data_list4[i]['close'],
                                                            '^FTSE': data_list5[i]['close'], '^HSI': data_list6[i]['close'],     
                                                            '^KS11': data_list7[i]['close'], '^NSEI': data_list8[i]['close']}})
            i += 1
    tseries = pd.to_datetime(list(data_dict.keys()))
    df = pd.DataFrame(data=list(data_dict.values()), index=tseries,
                      columns=['^DJI', '^GSPC', '^IXIC', '^GDAXI', '^FTSE', '^HSI', '^KS11', '^NSEI']).sort_index()
    return df

Answer 1

你的问题是你的日期时间戳格式错误。如果你看一下错误代码，它会告诉你：

datetime.datetime.fromtimestamp(int(in_date)).strftime('%Y-%m-%d')

注意到int(in_date)部分了吗？在

它需要unix时间戳。有几种方法可以得到这个，从时间模块或日历模块，或使用箭头。在

^{pr2}$

*更新* 好的，我修复了数据帧部分。以下是我当前的代码：

# Select Tickers and stock history dates
index = {'DJI' : YahooFinancials('^DJI'),
         'GSPC' : YahooFinancials('^GSPC'),
         'IXIC':YahooFinancials('^IXIC'),
         'GDAXI':YahooFinancials('^GDAXI'),
         'FTSE':YahooFinancials('^FTSE'),
         'HSI':YahooFinancials('^HSI'),
         'KS11':YahooFinancials('^KS11'),
         'NSEI':YahooFinancials('^NSEI')}
freq = 'daily'
start_date = '1993-06-30'
end_date = '2018-06-30'

# Clean returned stock history data and remove dividend events from price history
daily = {}
for k in index:
    tmp = index[k].get_historical_stock_data(start_date, end_date, freq)
    if tmp:
        daily[k] = tmp['^{}'.format(k)]['prices'] if 'prices' in tmp['^{}'.format(k)] else []

不幸的是，我不得不修复雅虎模块中的一些问题。对于YahooFinanceTL课程：

@staticmethod
def format_date(in_date, convert_type):
    try:
        x = int(in_date)
        convert_type = 'standard'
    except:
        convert_type = 'unixstamp'
    if convert_type == 'standard':
        if in_date < 0:
            form_date = datetime.datetime(1970, 1, 1) + datetime.timedelta(seconds=in_date)
        else:
            form_date = datetime.datetime.fromtimestamp(int(in_date)).strftime('%Y-%m-%d')
    else:
        split_date = in_date.split('-')
        d = date(int(split_date[0]), int(split_date[1]), int(split_date[2]))
        form_date = int(time.mktime(d.timetuple()))
    return form_date

以及：

   # private static method to scrap data from yahoo finance
    @staticmethod
    def _scrape_data(url, tech_type, statement_type):
        response = requests.get(url)
        soup = BeautifulSoup(response.content, "html.parser")
        script = soup.find("script", text=re.compile("root.App.main")).text
        data = loads(re.search("root.App.main\s+=\s+(\{.*\})", script).group(1))
        if tech_type == '' and statement_type != 'history':
            stores = data["context"]["dispatcher"]["stores"]["QuoteSummaryStore"]
        elif tech_type != '' and statement_type != 'history':
            stores = data["context"]["dispatcher"]["stores"]["QuoteSummaryStore"][tech_type]
        else:
            if "HistoricalPriceStore" in data["context"]["dispatcher"]["stores"] :
                stores = data["context"]["dispatcher"]["stores"]["HistoricalPriceStore"]
            else:
                stores = data["context"]["dispatcher"]["stores"]["QuoteSummaryStore"]
        return stores

您将需要查看dailydict，并重写您的build_data_frame函数，因为您已经在使用字典了，所以现在应该要简单得多。在

Answer 2

我实际上是YahooFinancials的维护者和作者。我刚刚看到这篇文章，想亲自为给您带来的不便表示歉意，并让大家知道我将在今晚修复模块。在

你能在这个模块的Github页面上打开一个详细的问题吗？ 当您遇到这些问题时，了解您运行的python版本也非常有用。 https://github.com/JECSand/yahoofinancials/issues

我现在正在工作，但是大约7小时后我一回到家，我就会尝试编写一个修复程序并发布它。我还将研究异常处理。我尽力维护这个模块，但是我白天（通常是晚上）的工作要求很高。我将报告这些修复的最终结果，并在完成并稳定后发布到pypi。在

另外，如果其他人有任何反馈或个人修复，你可以提供，这将是一个巨大的帮助，以解决这个问题。当然会给予适当的学分。我也急需捐款人，所以如果有人对此感兴趣，也请告诉我。我真的很想把YahooFinancials提升到一个新的层次，让这个项目成为python项目的一个稳定可靠的免费财务数据的替代品。在

感谢您的耐心和使用YahooFinancials。在