Stock Market API

Bu alıştırmada, Massive adlı stock market API’siyle çalışacağız.

🎯 Buradaki hedef:

API dokümantasyonunu okumaya alışmak,
bir API’den bilgi extract etmek ve
bu bilgiyi bir dataframe’e load ederek veriyi kolayca manipulate ve visualize etmektir.

Intro

Veri toplamanın yaygın yollarından biri API’lerdir. Bunlar authentication gerektiren veya gerektirmeyen public APIs, ücretsiz veya ücretli servisler, şirket içi internal APIs vb. olabilir.

API’lerle çalışırken yapacağınız bir çağrı (API call) size genellikle iki data formatından biriyle cevap döndürür:

XML (uzun süredir kullanılan)
JSON (günümüzde çok yaygın)

ℹ️ Modern API’lerin çoğu JSON döndürür. Bu challenge’da da böyle bir API kullanacağız.

Reading the documentation

Yeni bir API ile karşılaştığınızda ilk refleksiniz doğrudan dokümantasyona gidip şu sorulara cevap aramak olmalıdır:

JSON döndürüyor mu?
Authentication gerekiyor mu? (API key almak için kayıt olmam gerekiyor mu? Ücretli mi?)
Base URI nedir?
Hangi endpoint’leri çağırabilirim? Bu endpoint’ler hangi veriyi döndürür?

👯‍♂️ Buddy time! 👉 massive.com için API dokümantasyon sayfasını bulalım. Dokümantasyonu okuyun ve bu soruları cevaplamaya çalışın. Bu API’nin ne yaptığı konusunda rahat hissettiğinizde challenge’a başlayabilirsiniz.

Dokümantasyonu bulma çözümü

Dokümantasyon sayfaları genellikle sitenin footer’ında veya bir menü altında olur.
Google’da 'the_website_name API documentation' araması da hızlı bir yöntemdir.
Çözüm: https://massive.com/docs

Apple stock the last 90 days

API setup

Kullanacağımız API endpoint’lerinin bazıları paywall arkasındadır.

Neyse ki API’nin pek çok fonksiyonunu ücretsiz olarak kullanabiliriz. Sadece siteye kayıt olmanız yeterlidir ve dakikada 5 API çağrısını ücretsiz kullanabilirsiniz. Bu bizim için yeterli olacaktır.

👉 Şimdi bir hesap oluşturun. Kayıt işlemi sonrasında sitenin sağ üst köşesindeki Dashboard bölümünde size özel API key’inizi bulabilirsiniz.

API çağrısı yaptığınızda, bu API key’i request içinde bir key-value pair olarak göndermeniz gerekecektir.

Örneğin, belirli bir günün stock fiyatlarını almak için:

https://api.massive.com/v1/open-close/AAPL/2025-02-03?adjusted=true&apiKey=YOUR_API_KEY

Using the API

👉 Şimdi Massive API dokümantasyonunda historical Apple stock prices için URL’i bulalım.

URL’i bulduğunuzda, bir tarayıcı sekmesine kopyalayıp yapıştırın ve API’den dönen veriyi inceleyin.

Eğer Chrome kullanıyorsanız, JSON’ı daha okunaklı görmek için JSONView extension’ını yüklemenizi öneririz. Sonuçta JSON sadece parse edilmesi gereken bir text’tir, extension bu işi yapacaktır.

Dönen JSON şöyle görünmelidir:

Örnek JSON göster

{
  "ticker": "AAPL",
  "queryCount": 24,
  "resultsCount": 24,
  "adjusted": true,
  "results": [
    {
      "v": 7.0790813e+07,
      "vw": 131.6292,
      "o": 130.465,
      "c": 130.15,
      "h": 133.41,
      "l": 129.89,
      "t": 1673240400000,
      "n": 645365
    },
    // [...]
  ],
  "status": "OK",
  "request_id": "edd1a3b1104cde7bba8fbe0ccaa645df",
  "count": 24
}

❗️ Çözümü okumadan önce kendin dene! Bir API dokümantasyonunda aradığını bulmak genellikle 10–15 dakika sürer.

Çözüm

Bilgi burada bulunuyor: https://massive.com/docs/stocks/get_v2_aggs_ticker__stocksticker__range__multiplier___timespan___from___to
URL:

https://api.massive.com/v2/aggs/ticker/AAPL/range/1/day/2025-01-02/2025-02-03?adjusted=true&sort=asc&apiKey=YOUR_API_KEY

👉 API dokümantasyonunu okuyarak şunları anlamaya çalışın:

request formatı (URL’in farklı parçaları)
response içinde dönen key’ler ne anlama geliyor?

🔍 Son 90 günün fiyatlarını almak için neyi değiştirmelisiniz?

Making test calls to the API

Bir şey inşa etmeye başlamadan önce, API çağrısı yapabildiğimizden emin olmamız gerekir. Bu, API’nin ihtiyaçlarımıza uygun olup olmadığını erkenden görmemizi sağlar.

Peki ilk çağrıyı nasıl yapabiliriz? Tarayıcıyı kullanarak...

Tarayıcı bir HTTP client’tır! Eğer karmaşık bir Header eklemeniz gerekmiyorsa ve kullanılan HTTP verb GET ise, tek yapmanız gereken URL’i tarayıcıya yazmaktır.

Using API data in Pandas

Setup

Bu alıştırma için Notebook’ta çalışacağız.

jupyter notebook

👉 ~/code/<user.github_nickname>/{{local_path_to("01-Stock-Market-API")}} klasöründe stocks.ipynb adlı yeni bir Jupyter Notebook oluşturun.

👉 İlk cell’de şu import’larla başlayın:

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
%matplotlib inline

Historical Apple stock prices için API URL’ini yeniden kullanacağız.
API çağrısı yapmak için aşağıdaki kodu yazabilirsiniz:

import requests

url = "YOUR_API_URL"    # Daha önce bulduğunuz URL ile değiştirin
api_data = requests.get(url).json()

👉 .get()’ten sonra neden .json() chain ediyoruz? .json() olmadan da çalışır mı? Intermediate adımları print() ederek kendinizi ikna edin. (💡 Doc)

👉 URL’i değiştirerek son 90 günün Apple stock fiyatlarını alın. End date olarak mutlaka dünün tarihi olmalıdır, aksi halde çalışmaz.

Kod parametre değişiklikleri sırasında kırılırsa .json() kısmını comment out edip .get() sonucunu print() ederek inceleyebilirsiniz.

Convert the request data into a DataFrame

👉 Artık bu veriden apple_df adlı bir dataframe oluşturabilirsiniz. JSON formatını tarayıcıda inceleyerek extract etmeniz gereken kısmı belirleyin.

Çözüm

apple_df = pd.DataFrame(api_data['results'])

Bu dataframe ile stock price’ın gelişimini plot edebiliriz. Ancak önce birkaç hazırlık yapmamız gerekir:

timestamp içeren kolonu datetime objesine çevirin ve date adlı bir kolon olarak kaydedin.
date kolonunu index yapın.
Kolon isimlerini c, o, h, l gibi anlaşılır olmayan adlardan daha kullanıcı dostu isimlere çevirin.

Converting the date to a datetime object

👉 Önce API dokümantasyonunu kontrol edin:

Dataframe’de zamanı hangi kolon temsil ediyor?
Bu sayı neyi ifade ediyor?

Çözüm

Zaman bilgisi dataframe’de t kolonundadır.
Bu sayı **Unix time** formatıdır (millisecond). Programlamada çok yaygındır — 1-1-1970’ten bu yana geçen millisecond sayısını ifade eder.

👉 Bu değeri tarihe çevirmek için Pandas.to_datetime() kullanabilirsiniz:

pd.to_datetime() dokümantasyonu: http://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.to_datetime.html
Unix time’dan dönüştürmek için hangi argümanı kullanmalısınız?
Millisecond olduğunu Pandas’a nasıl söylersiniz?

Çözüm

apple_df['date'] = pd.to_datetime(apple_df['t'], origin='unix', unit='ms')

Set the date column as the index

👉 Bunun için DataFrame method’u set_index kullanılabilir:

Dokümantasyon: https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.set_index.html

Çözüm

apple_df = apple_df.set_index('date')

Rename the columns

Kolonları rename etmek için hangi DataFrame method’unu kullanmalısınız? Çok uzağa bakmayın…

Çözüm

pd.DataFrame.rename() dokümantasyonu: https://pandas.pydata.org/docs/reference/api/pandas.DataFrame.rename.html

👉 Kolonları şu şekilde rename edin:

  'o': 'open'
  'c': 'close'
  'h': 'high'
  'l': 'low'

Çözüm

```python mapping = { 'o': 'open', 'c': 'close', 'h': 'high', 'l': 'low', 'n': 'number', 'v': 'volume', 'vw': 'avg_price' } apple_df = apple_df.rename(columns=mapping) ```

Now we can plot 🎉

👉 Önce sadece close kolonunu plot edelim:

Çözüm

apple_df['close'].plot()

Şimdi open, close, high, low kolonlarını birlikte plot edelim:

Çözüm

apple_df[['open', 'close', 'high', 'low']].plot()

💡 Plot okunabilir değilse, figsize argümanıyla iyileştirebilirsiniz:

Dokümantasyon: https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.plot.html

Çözüm

apple_df[['open', 'close', 'high', 'low']].plot(figsize=(12,4))

Test your code!

Notebook’unuza aşağıdaki cell’i ekleyip çalıştırın:

from nbresult import ChallengeResult

result = ChallengeResult('apple',
    index_name=apple_df.index.name,
    index_type=apple_df.index.dtype,
    columns=apple_df.columns
)
result.write()
print(result.check())

Kodunuzu commit ve push edebilirsiniz 🚀

Back to the API

Bu API’den başka hangi verileri alabileceğimizi keşfedelim 🕵️‍♂️

What is the URL to find:

Amazon’ın historical stock prices?
Meta’nın (Facebook) market cap’i?
Apple’ın son 4 çeyreklik gross revenues bilgisi?
Tesla hakkında en güncel news item?

İpucu: Bazen aradığınız bilgiyi içeren larger response döndüren farklı bir URL kullanmanız gerekebilir.

Tüm çözümler

https://api.massive.com/v2/aggs/ticker/AMZN/range/1/day/2025-01-02/2025-02-03?apiKey=YOUR_API_KEY
https://api.massive.com/v3/reference/tickers/META?apiKey=YOUR_API_KEY
https://api.massive.com/vX/reference/financials?ticker=AAPL&timeframe=quarterly&limit=4&apiKey=YOUR_API_KEY
https://api.massive.com/v2/reference/news?ticker=TSLA&limit=1&apiKey=YOUR_API_KEY

❗️ Kodunuzu GitHub’a push etmeyi unutmayın

(Optional) Plotting multiple line charts

GAFA stock’larının (Google, Apple, Meta, Amazon) gelişimlerini aynı chart üzerinde karşılaştırmak istiyoruz.

👉 Yukarıdaki kodu yeniden kullanarak her stock için bir kolon içeren ve index olarak date kullanan bir dataframe oluşturun.

💡 İşi kolaylaştırmak için önce bir function yazabilirsiniz: create_stock_df_of_company(company_code). Bu function tek bir şirketin verisini dönsün.

Daha sonra tüm şirketler için bu function’ı kullanıp verileri concatenate edin ve pivot yapın.

💡 Her bir stock’u daha iyi karşılaştırmak için belki t = 0 noktasında normalizasyon yapabilirsiniz!

(Optional) Make the dates flexible

Şu ana kadar start ve end date değerlerini hard-coded kullandık.

👉 create_stock_df_of_company(company_code) function’ını refactor ederek her zaman son 90 günün verisini çekecek hale getirin.

Name		Name	Last commit message	Last commit date
Latest commit History 1 Commit
tests		tests
.gitignore		.gitignore
Makefile		Makefile
README.md		README.md

Provide feedback

Saved searches

Use saved searches to filter your results more quickly

Repository files navigation

Stock Market API

Intro

Reading the documentation

Apple stock the last 90 days

API setup

Using the API

Making test calls to the API

Using API data in Pandas

Setup

Convert the request data into a DataFrame

Converting the date to a datetime object

Set the date column as the index

Rename the columns

Now we can plot 🎉

Test your code!

Back to the API

What is the URL to find:

(Optional) Plotting multiple line charts

(Optional) Make the dates flexible

About

Uh oh!

Releases

Packages

Languages

Workintech/data-stock-market

Folders and files

Latest commit

History

Repository files navigation

Stock Market API

Intro

Reading the documentation

Apple stock the last 90 days

API setup

Using the API

Making test calls to the API

Using API data in Pandas

Setup

Convert the request data into a DataFrame

Converting the date to a datetime object

Set the date column as the index

Rename the columns

Now we can plot 🎉

Test your code!

Back to the API

What is the URL to find:

(Optional) Plotting multiple line charts

(Optional) Make the dates flexible

About

Resources

Uh oh!

Stars

Watchers

Forks

Releases

Packages 0

Languages

Packages