python获取国内股票数据

在Python中获取国内A股数据，有几个非常成熟且常用的库可以选择。它们各有侧重，你可以根据具体需求来挑选。下面这个表格快速梳理了它们的主要特点。

工具名称	核心特点	是否需要注册/Token	推荐使用场景
AkShare	数据源广泛，覆盖股票、基金、期货、期权等，无需注册，实时性强。	❌ 无需	获取实时行情、资金流向、宏观数据等。
Tushare	数据规范严谨，尤其擅长基本面和财务数据，部分高频数据需要积分。	⚠️ 需要	深入的财务分析、基本面选股、获取历史日线数据。
Baostock	专注于A股历史行情，提供完善的分钟级K线和复权数据，无需注册。	❌ 无需	技术分析、量化回测（需要高频历史数据）。

📊 如何使用这些库

以下是这三大工具的基本使用方法，你可以直接复制代码进行体验。

1. AkShare：快速获取实时数据

AkShare的优势在于开箱即用，非常适合快速获取实时行情和各类金融数据。

import akshare as ak# 获取所有A股实时行情（示例中显示前5只）
df_spot = ak.stock_zh_a_spot()
print(df_spot.head())# 获取某只股票的历史日K线（前复权）
df_hist = ak.stock_zh_a_hist(symbol="000001", period="daily", adjust="qfq", start_date="20231001", end_date="20241010")
print(df_hist.head())

2. Tushare：获取规范的财务数据

Tushare的数据结构清晰，是进行基本面分析的利器。使用前需要在其官网注册并获取Token。

import tushare as ts# 设置你的Token（需要先在其官网注册获取）
ts.set_token('YOUR_TOKEN')
pro = ts.pro_api()# 获取贵州茅台（600519）的日线行情
df = pro.daily(ts_code='600519.SH', start_date='20231001', end_date='20241010')
print(df.head())# 获取上市公司基本信息
stock_basic = pro.stock_basic(exchange='', list_status='L')
print(stock_basic.head())

3. Baostock：获取高质量历史行情

Baostock在提供精确、完整的A股历史行情数据方面表现出色，尤其适合量化回测。

import baostock as bs
import pandas as pd# 登录系统
lg = bs.login()# 获取沪深300指数（sh.000300）的历史K线数据
rs = bs.query_history_k_data_plus("sh.000300","date,open,high,low,close,volume,amount",start_date='2023-10-01', end_date='2024-10-10', frequency="d")# 转换数据为DataFrame
data_list = []
while (rs.error_code == '0') & rs.next():data_list.append(rs.get_row_data())
df = pd.DataFrame(data_list, columns=rs.fields)# 登出系统
bs.logout()
print(df.head())

💡 选择建议与注意事项

1. 新手入门或快速验证想法：建议从 AkShare 开始，因为它无需注册，安装后即可使用，能让你快速上手并感受到获取数据的乐趣。
2. 进行深入的财务分析和研究：推荐使用 Tushare。它的数据经过系统性的整理，字段定义清晰，非常适合严谨的学术研究或基本面投资分析。
3. 专注于量化策略回测：Baostock 提供的稳定、长期的分钟线和日线数据会是很好的选择，能为你的回测提供可靠的数据基础。
4. 数据稳定性：免费数据源有时会因数据源网站改版或接口调整而暂时不可用。对于重要项目，最好有备用数据源方案，或者考虑使用付费数据服务以保障稳定性。
5. 合规使用：在使用任何数据接口时，请务必遵守数据提供方的服务条款，并尊重网站的爬虫协议（Robots协议），合法合规地使用数据。

希望这份指南能帮助你顺利开始Python股票数据分析之旅！如果你对某个库的特定用法有进一步的问题，随时可以再问我。