pandas
有疑问或遇到问题?欢迎在 GitHub Discussions 发帖。
Frankfurter 的 CSV 端点可以直接载入 DataFrame,获取汇率只需一行代码。相比随手查一下市场汇率,选择它的理由是可复现性:固定单一数据源后,其历史数据与发布内容保持一致,今天运行的回测会与去年运行的结果一致。
快速开始
将 read_csv 指向 CSV 端点:
import pandas as pd
df = pd.read_csv("https://api.frankfurter.dev/v2/rates.csv?base=usd"es=eur,gbp")
你会得到一个 date,base,quote,rate 数据框,每种目标货币一行。
换算金额
CSV 提供的是汇率,而不是换算后的总额。将金额乘以 rate 列即可。如果只需要一个标量而不想用 pandas,可以用 requests 调用扁平的单一汇率端点:
import requests
rate = requests.get("https://api.frankfurter.dev/v2/rate/usd/eur").json()["rate"]
total = 100 * rate
固定官方数据源
默认情况下,你获得的是综合所有数据源的汇率。添加 providers 即可固定使用单一权威机构,让分析可供审计:许多司法辖区要求在换算外币金额时使用本国中央银行公布的汇率。
df = pd.read_csv("https://api.frankfurter.dev/v2/rates.csv?base=usd"es=eur&providers=ecb")
ECB- 欧洲中央银行参考汇率,欧盟增值税和海关的标准汇率。
NBP- Narodowy Bank Polski(波兰国家银行)。波兰的增值税和企业所得税按 NBP 汇率换算。
CNB- 捷克国家银行的定盘汇率,用于捷克的会计和税务。
BCB- 巴西中央银行的 PTAX 汇率,巴西合同和税务的基准。
BANXICO- 墨西哥银行的 FIX 汇率,用于结算美元债务。
浏览所有数据源。固定的数据源按自己的发布时间表更新,因此其最新汇率可能比综合汇率晚一天。
历史序列
用 from 指定日期范围,用 group=month 得到每月一行。解析日期列并设为索引,然后绘图或重采样。综合汇率的历史数据可能随新数据录入而略有变动,因此凡是需要复现的分析,都请固定数据源。
df = pd.read_csv(
"https://api.frankfurter.dev/v2/rates.csv?from=1949-12-01&base=usd"es=gbp&providers=bbk&group=month",
parse_dates=["date"],
index_col="date",
)
df["rate"].plot()
这会从德意志联邦银行的档案中取回自 1949 年以来美元兑英镑的汇率。你可以看到英镑兑 2.80 美元的固定汇率多年保持不变,直到 1967 年被打破。更早的历史来自德意志联邦银行的法兰克福定盘价:美元兑马克始于 1948 年,其他大多数美元交叉汇率覆盖 1949 年至 1970 年。欧洲中央银行的数据从 1999 年开始接续,因此连续的现代序列可使用默认综合汇率或 providers=ecb。