已經取得資料了，但是這樣的顯示方式很不好閱讀，接著就是要介紹如何順利的結構化這些資料。

本篇將會使用numpy和pandas。

程式碼

（完成程式碼在本段下方）
首先我們需要安裝numpy和pandas，分別執行：

pipenv install numpy
pipenv install pandas

安裝完後，就可以把套件import近來囉：

import numpy
import pandas

因為要列印出表格，變成結構化，所以多點資料比較有感覺，這邊就把時間變成timestamp參數：

# API位置
start_time = 1596211200
end_time = 1599926400
address = f"https://query1.finance.yahoo.com/v8/finance/chart/2317.TW?period1={start_time}&period2={end_time}&interval=1d&events=history&=hP2rOschxO0"

然後把取得的資料，變成序列化，也就是用json套件：

# 序列化資料回報
data = json.loads(response.text)

然後把資料放入強大的pandas中，就大功告成囉～

# 把json格式資料放入pandas中
df = pandas.DataFrame(
    data["chart"]["result"][0]["indicators"]["quote"][0],
    index=pandas.to_datetime(
        numpy.array(data["chart"]["result"][0]["timestamp"]) * 1000 * 1000 * 1000
    ),
)

最後，把結果印出來，就可以看到囉

# 印出前3行：
print(df[:3])
# 印出前5行
print(df.head())

顯示出的畫面是：

                          open      close       high    volume        low
2020-08-03 01:00:00  78.400002  77.099998  78.900002  61172243  77.099998
2020-08-04 01:00:00  77.699997  78.099998  78.199997  23051382  77.500000
2020-08-05 01:00:00  78.300003  77.900002  78.500000  27876127  77.900002
                          open      close       high    volume        low
2020-08-03 01:00:00  78.400002  77.099998  78.900002  61172243  77.099998
2020-08-04 01:00:00  77.699997  78.099998  78.199997  23051382  77.500000
2020-08-05 01:00:00  78.300003  77.900002  78.500000  27876127  77.900002
2020-08-06 01:00:00  79.300003  79.000000  79.699997  33250505  78.500000
2020-08-07 01:00:00  79.599998  78.300003  79.599998  21862438  78.300003

完整程式碼

import requests
import json
import numpy
import pandas

# API位置
start_time = 1596211200
end_time = 1599926400
address = f"https://query1.finance.yahoo.com/v8/finance/chart/2317.TW?period1={start_time}&period2={end_time}&interval=1d&events=history&=hP2rOschxO0"

# 使用requests 來跟遠端 API server 索取資料
response = requests.get(address)

# 序列化資料回報
data = json.loads(response.text)

# 把json格式資料放入pandas中
df = pandas.DataFrame(
    data["chart"]["result"][0]["indicators"]["quote"][0],
    index=pandas.to_datetime(
        numpy.array(data["chart"]["result"][0]["timestamp"]) * 1000 * 1000 * 1000
    ),
)
# 印出前3行：
print(df[:3])
# 印出前5行
print(df.head())

說明

稍微解說一下，這兩個套件：

• numpy：擁有多維度陣列物件，可以用來儲存資料，也有一些function處理資料。
• pandas：是以numpy為基礎，提供更豐富的類別，可以用來處理資料。

在資料儲存中，這邊使用的是第17行的pandas.DataFrame，他的格式為：DataFrame(資料,index=時間戳)，所以依照我們轉成json的資料結構，資料會在 data["chart"]["result"][0]["indicators"]["quote"][0]，時間戳（timestamp）會在numpy.array(data["chart"]["result"][0]["timestamp"]。詳細的資料結構可以參考下圖：