炒股编程数据查看主要涉及以下几个步骤：
安装和导入必要的包
使用conda或pip安装数据分析库pandas、数据获取库pandas-datareader以及可视化库matplotlib。
选择数据源
可以选择从雅虎、Morningstar、钱龙等数据源获取股票数据。
例如，使用pandas-datareader从Morningstar获取数据：
```python
import pandas_datareader as pdr
import datetime as dt
start_date = dt.datetime（2023, 1, 1）
end_date = dt.datetime（2023, 12, 31）
df = pdr.DataReader（'gafataDict['微博']', 'morningstar', start_date, end_date）
```
查看数据
使用DataFrame的`head（）`方法查看前几行数据：
```python
df.head（）
```
使用`describe（）`方法查看描述性统计信息：
```python
df.describe（）
```
计算股票涨跌幅：
```python
df['涨跌幅'] = （df['收盘价'] - df['开盘价']） / df['开盘价'] * 100
```
数据清洗和处理
可以使用pandas进行数据清洗，例如去除空值、转换数据类型等。
使用NumPy进行数值计算。
数据可视化
使用matplotlib进行数据可视化，例如绘制股票价格走势图、成交量柱状图等。
例如，绘制股票价格走势图：
```python
import matplotlib.pyplot as plt
plt.plot（df['日期'], df['收盘价']）
plt.xlabel（'日期'）
plt.ylabel（'收盘价'）
plt.title（'股票价格走势图'）
plt.show（）
```
使用API接口
可以使用一些第三方API接口获取股票数据，例如Tushare、xtquant等。
例如，使用Tushare获取股票日线行情数据：
```python
import tushare as ts
pro = ts.pro_api（）
df = pro.daily（ts_code='600000', start_date='20230101', end_date='20231231'）
```
保存数据
可以将获取到的数据保存为CSV文件或Excel文件，以便后续分析。
例如，保存为CSV文件：
```python
df.to_csv（'stock_data.csv', index=False）
```
通过以上步骤，你可以方便地获取、查看、处理和分析炒股编程数据，从而做出更明智的投资决策。