TW Market Data LogoTW Market Data

台股開放資料的民國年、字串數值要怎麼清洗？

三件事要處理：日期是民國年（1150811 是 2026-08-11，11507 是 2026-07），所有數值都以字串回傳要自己轉型，欄名兩套並存（有的端點英文、有的中文）。另外常見的「把逗號全部拿掉」不要照做——實測數值欄位裡沒有千分位逗號，有逗號的是備註那類自由文字，整批清理會把它改壞。

民國年有兩種長度，別用同一個函式硬轉

日期欄位是民國年字串：出表日期像 1150811（7 碼，年月日），資料年月像 11507（5 碼，只有年月）。兩者前面的年份都要加 1911，但後面的切法不同，寫成同一個轉換函式很容易在月份上出錯。

def roc_date(value: str) -> str:
    """民國年日期 1150811 → 2026-08-11。"""
    return f"{int(value[:-4]) + 1911}-{value[-4:-2]}-{value[-2:]}"

def roc_month(value: str) -> str:
    """民國年月 11507 → 2026-07。"""
    return f"{int(value[:-2]) + 1911}-{value[-2:]}"

print(roc_date("1150811"))   # 2026-08-11
print(roc_month("11507"))    # 2026-07

所有數值都是字串，而且不能無腦轉

開高低收、成交量、成交金額全部以字串回傳。直接 float() 多數時候可行，但遇到空字串或占位符號就會炸——所以轉型要有預設值，並且讓失敗變成 None 而不是 0。0 在價格與成交量裡是有意義的數字，用它當轉換失敗的替身，之後你就分不出來了。

def to_number(value):
    """轉不動就回 None，不要回 0——0 是有意義的值。"""
    if value is None:
        return None
    text = str(value).strip()
    if text in ("", "-", "--"):
        return None
    try:
        return float(text)
    except ValueError:
        return None

print(to_number("13.88"), to_number("20635383"), to_number("--"), to_number(""))

「把逗號全部拿掉」是錯的反射動作

很多清洗範例第一步就是全欄位 replace(",", "")。實測這兩支端點的數值欄位裡沒有千分位逗號；有逗號的是「備註」這種自由文字，例如「累計1-7月營收較去年同期增加22,793仟元」。整批去逗號不會讓數字更乾淨，只會把備註改掉。要去逗號就只對你確定是數值的那幾個欄位做。

NUMERIC_FIELDS = {"營業收入-當月營收", "營業收入-上月營收", "營業收入-去年當月營收"} def clean_row(row: dict) -> dict:    out = {}    for key, value in row.items():        if key in NUMERIC_FIELDS:                 # 只對確定是數值的欄位處理            out[key] = to_number(str(value).replace(",", ""))        else:            out[key] = value                      # 備註之類的自由文字原樣保留    return out

欄名有兩套，跨端點要自己對照

同樣是官方開放資料，全市場日行情用英文欄名（Date、Code、ClosingPrice），上市公司月營收用中文欄名（出表日期、公司代號、營業收入-當月營收）。要把不同端點併成一張表，就需要一份自己的欄名對照，而且新增端點時要記得維護它。

FIELD_MAP = {    # 日行情（英文欄名）    "Code": "symbol", "Date": "date", "ClosingPrice": "close", "TradeVolume": "volume",    # 月營收（中文欄名）    "公司代號": "symbol", "資料年月": "revenue_month", "營業收入-當月營收": "revenue",} def normalise(row: dict) -> dict:    return {FIELD_MAP.get(k, k): v for k, v in row.items()}

或者，跳過這一段

如果這些轉換不是你想花時間的地方，我們這邊回的就是已經處理過的形態：日期是 ISO 字串、數值是數字型別、上市與上櫃併在同一套欄名下。資料來源仍是官方，差別只在誰做這段清洗。

import requests

r = requests.get(
    "https://api.twmarketdata.com/v2/datasets/twse-daily-price",
    headers={"X-API-Key": "sk_live_你的金鑰"},
    params={"symbol": "2330", "limit": 3},
    timeout=20,
)
for row in r.json()["rows"]:
    # date 已是 ISO 字串，close 已是數字，不需要再轉
    print(row["date"], row["close"], row["volume_shares"], type(row["close"]).__name__)

我們沒有的東西，先說清楚

  • 自己抓官方資料完全可行，而且免費——這頁的前四段就是為了讓那條路走得順。
  • 沒有即時報價，官方那幾支開放端點同樣是盤後快照。
  • 我們不會替你保留原始的民國年與字串型別。要原樣的欄位就直接打官方端點。

常見問題

11150811 跟 11507 為什麼長度不一樣？
一個是年月日、一個只有年月。1150811 是民國 115 年 8 月 11 日（2026-08-11），11507 是民國 115 年 7 月（2026-07）。轉換時要分開處理，不要共用同一個切字串的函式。
2轉型失敗時填 0 有什麼問題？
0 在成交量、買賣超、報酬率裡都是合法且有意義的值。用它當「轉換失敗」的替身，之後你分不出這天是真的沒有成交，還是你的程式沒轉成功。回 None，讓缺就是缺。
3所以到底要不要處理千分位逗號？
只在你確定是數值的欄位上處理。實測這兩支端點的數值欄位沒有逗號，有逗號的是備註那類自由文字；全欄位整批去逗號會把文字改壞。
4上市跟上櫃的欄名一樣嗎？
不一樣，而且同一個機構的不同端點也可能不一樣——日行情是英文欄名，月營收是中文欄名。要合併就得自己維護一份對照表。

想自己查這些資料?免費註冊。

相關文章