香港仔仔: 如何用Tushare获取长时段、全市场日行情？

个人做量化经常遇到的问题是数据。从最基本的全市场行情数据来说，如果没有开通诸如miniQMT的量化接口、购买某些官方数据库，个人很难直接获取高质量的全市场行情数据。当然，有些人也可以从某些平台上买到数据（诸如海鲜市场），但从第三方买到的数据，自己很难确保这些数据是否可靠，如果数据跟某些行情软件上的不一样，自己也不知道该如何调整。

本着以亲民、低门槛原则，本推文将介绍个人如何用Python从Tushare上获取长时段、全市场的日线行情。方法简单高效，可随时每日更新行情数据，以便让个人Quant能及时获取全市场行情数据，开展相应研究。

熟悉Tushare的朋友可能知道，Tushare主要有两个接口可以用来获取股票历史行情数据： ts.pro_bar() 和 pro.daily() ，其相应的官方介绍链接如下：

ts.pro_bar(): https://tushare.pro/document/2?doc_id=109
pro.daily(): https://tushare.pro/document/2?doc_id=27

ts.pro_bar() 官方文档介绍

pro.daily() 官方文档介绍

ts.pro_bar()：

简要来讲，ts.pro_bar()可以获取单只股票的日线行情数据，比如从2021年到2025年当日的长时段行情，未复权、前复权、后复权的数据都可以。ts.pro_bar() 一次只能获取一只股票的数据，不能输入多只股票代码一次性获取多只股票行情。如果是获取小批量的股票数据，比如说几十只股票数据，这个接口是最直白的，直接输入相应的股票代码，然后循环获取即可。

ts.pro_bar() 接口使用例子

但是如果要获取几千只股票行情（全市场股票有5000多只），由于受Tushare对访问流量的控制，短时间内没法获取如此大量的数据。当然，如果不嫌麻烦、有时间慢慢等待，可以在访问一定的数据之后，等待一段时间（time.sleep( )，向大厂学习，熟练使用sleep技能），然后再继续获取，这样能避免Tushare的流量控制。

pro.daily():

而pro.daily()接口可以获取多只股票、某个时段内的行情数据。如果要同时提取多个股票的历史行情，只需要将这些股票的代码用逗号连接起来，然后传给接口即可，具体例子如下：

# 同时获取多只股票在某个时段的行情

df = pro.daily(ts_code='000001.SZ,600000.SH', start_date='20180701', end_date='20180718')

这样听起来是不是觉得pro.daily()接口很完美，如果要获取全市场股票历史行情，那直接把全市场的股票代码全部连起来，设置下需要访问的时段(start_date, end_date)，把这些参数传给pro.daily()接口不就完了，获取全市场行情如同呼吸一样简单😁。

然而事与愿违，pro.daily()也设置了访问限制，单次只能获取6000条数据，如果一次性访问全市场行情，按全市场有5000只股票计算，那一次大概只能访问一天的数据......并且pro.daily()也受Tushare的流量控制，短时间内调用的次数有限（通常每1分钟的访问次数计算）。当然，我们同样可以发挥 time.sleep()的强大功能，在调用pro.daily()接口一定次数后，让程序sleep一段时间，然后继续访问提取数据。如果有耐心、不追求获取数据效率，这种土方法是行得通的。

pro.daily()还有一个功能，它可以获取历史某日的全市场行情，只需要输入参数trade_date、其他参数不输入即可，示例代码如下：

# 获取历史某一天的全部行情

df = pro.daily(trade_date='20180810')

pro.daily(trade_date='20180810') 的输出

解决方案：

如果要获取全市场、某个时段的行情，那我们是不是可以用pro.daily()逐天地获取全市场行情，然后将每日的全市场行情数据保存在本地？就算Tusahre有流量控制，由于我们已经将部分天的数据保存在了本地，那直接获取本地数据即可，无需再调用pro.daily()接口来重复获取行情，徒增流量管控负担。比如，我们可以逐天获取2024年1月1号到2025年5月13号的每日全市场行情，将每次的行情数据保存在本地。到了2025年5月14号，我们直接用pro.daily()来获取5月14号的数据，然后跟2024年1月1号到2025年5月13号的本地数据拼接起来即可。

现在有最后一个问题：pro.daily() 获取的数据是没有复权的。不过获取的数据是有 pre_close 字段，那我们就自己写代码来对原始数据进行复权咯。到这里，我们所有的问题都已经解决，只差把上面的思路写成代码实现即可。部分代码截图如下：