一句话回答： 用一个支持 OHLCV 历史查询的行情数据 API（如 AlphaFeed）几行代码就能拿到 A 股任意标的的日/周/月 K 线；关键是要选对复权方式——算收益率用前复权，做长期价格比较用后复权，看真实成交价用不复权。
下面把整个流程讲清楚。
为什么获取 K 线数据没有想象中简单
新手常见的做法是从行情软件里导出 CSV，或者去网页上扒数据。这两种方式的问题是：
- 无法批量、无法自动化、无法程序化更新；
- 大多数导出的数据没有说明复权方式，导致你算出来的收益率是错的；
- 分红送股会让价格出现"断崖式"跳空，如果不处理，任何基于价格的计算都会失真。
正确的做法是用一个数据 API 直接把结构化的 K 线拉进 Python，同时明确指定复权方式。
三行代码获取日 K 线
from alphafeed import AlphaFeed
af = AlphaFeed(api_key="your-api-key")
# 获取贵州茅台最近 10 根日 K 线
df = af.klines.get("600519.SH", period="1d", count=10, to_dataframe=True)
print(df[["trade_date", "open", "high", "low", "close", "volume"]])
标的代码统一使用 {代码}.{交易所后缀} 格式：
| 后缀 | 交易所 | 示例 |
|---|---|---|
.SH |
上交所 | 600519.SH |
.SZ |
深交所 | 000001.SZ |
.BJ |
北交所 | 920047.BJ |
.US |
美股 | AAPL.US |
.HK |
港股 | 00700.HK |
支持的周期
日线接口支持多种周期，通过 period 参数指定：
| period | 含义 | 适用市场 |
|---|---|---|
1d |
日线 | A股 / 美股 / 港股 |
1w |
周线 | A股 / 美股 / 港股 |
1M |
月线 | A股 / 美股 / 港股 |
1Q |
季线 | A股 / 美股 / 港股 |
1Y |
年线 | A股 / 美股 / 港股 |
1m/5m/15m/30m/60m |
分钟线 | A股 |
复权方式：这是最容易踩坑的地方
上市公司分红、送股、配股后，股价会出现向下的跳空缺口。这个缺口不是真的下跌，而是"除权"造成的。如果你直接用原始价格算收益率，就会凭空多出一笔"亏损"。复权就是用来消除这种失真的。
AlphaFeed 的 K 线接口用 adjust 参数控制复权方式：
| 值 | 说明 | 什么时候用 |
|---|---|---|
forward |
前复权-比例复权（默认） | 计算收益率、画图看趋势 |
backward |
后复权-比例复权 | 长期回测、跨越多次除权的价格比较 |
forward_additive |
前复权-差值复权 | 观察绝对价差 |
backward_additive |
后复权-差值复权 | 观察绝对价差 |
none |
不复权 | 需要真实历史成交价（如核对委托价） |
# 前复权（默认）——最近的价格 = 当前真实价格，历史价格被下调
df_fwd = af.klines.get("600519.SH", period="1d", count=250, adjust="forward", to_dataframe=True)
# 后复权——历史价格 = 真实价格，越靠近现在数值越大，适合长期回测
df_bwd = af.klines.get("600519.SH", period="1d", count=250, adjust="backward", to_dataframe=True)
# 不复权——原样返回真实成交价
df_raw = af.klines.get("600519.SH", period="1d", count=250, adjust="none", to_dataframe=True)
一个实用的判断准则：
- 你要算"过去一年涨了多少" → 用
forward或backward，两者算出的收益率一致； - 你要做长周期回测、把多年前的价格和今天比 → 用
backward（前复权在遇到新的除权时会整体重算，历史值会变动，不利于回测复现）； - 你要核对某天的真实挂单价、涨跌停价 → 用
none。
比例复权用乘法因子还原价格，适合算收益率；差值复权用加减法还原，适合看绝对价差。
按时间区间获取
用 start_time 和 end_time（毫秒时间戳）指定区间：
import datetime
from alphafeed import AlphaFeed
af = AlphaFeed(api_key="your-api-key")
start = int(datetime.datetime(2024, 1, 1).timestamp() * 1000)
end = int(datetime.datetime(2024, 12, 31).timestamp() * 1000)
df = af.klines.get("000001.SZ", period="1d", start_time=start, end_time=end, to_dataframe=True)
print(f"2024 全年共 {len(df)} 个交易日")
也可以用 end_time + count 获取"某天之前的最近 N 根 K 线"：
end = int(datetime.datetime(2024, 6, 30).timestamp() * 1000)
df = af.klines.get("600519.SH", period="1d", count=20, end_time=end, to_dataframe=True)
保存到本地，避免重复请求
拿到 DataFrame 后建议落盘，后续分析直接读本地文件：
# CSV：通用、可读
df.to_csv("600519_daily.csv", index=False)
# Parquet：体积小、读写快，适合大量标的（需先 pip install pyarrow）
df.to_parquet("600519_daily.parquet")
提示：
to_parquet需要pyarrow（或fastparquet）引擎，先pip install pyarrow；不想装依赖就用 CSV。
常见问题（FAQ）
Q：返回的数据包含哪些字段？
A：日线包含 symbol、name、trade_date、open、high、low、close、volume；分钟线用 trade_time 代替 trade_date。
Q：默认是什么复权方式？
A：默认 forward（前复权-比例复权）。不指定 adjust 时即为该值。
Q：一次能取多久的历史？
A：用 count 控制返回条数，或用 start_time/end_time 指定任意区间，两者可组合。
Q：需要付费吗？
A：单只标的的历史 K 线在免费额度内即可体验；批量、全市场查询需要 Starter 及以上方案。详见官网定价页。
小结
获取 A 股历史 K 线的关键不是"能不能拿到数据"，而是拿到的是不是你以为的那份数据——复权方式选错，后面所有计算都会跑偏。用 AlphaFeed 这类支持显式 adjust 参数的接口，一行代码就能拿到干净、可复现的 OHLCV。
参考
- AlphaFeed Python SDK 文档：https://docs.alphafeed.org/zh-Hans/sdk/python-quickstart