📌 摘要 / 快速解答 (Direct Answer)
如果你的问题只是“Python 如何获取股票 1 分钟 K 线”，其实不需要写一堆数据抓取和清洗代码。QuantDash Python SDK 可以直接用 qd.klines.get() 获取分钟 K 线，将 period 设置成 "1m"，并通过 to_dataframe=True 直接返回 Pandas DataFrame，随后就能进入 MA、MACD、KDJ、BOLL 等量化分析流程。
一、 为什么传统方式写选股策略这么累？
我刚开始做量化的时候，也特别喜欢把问题想复杂。
想研究一个简单的盘中策略，第一反应通常是：
“先找个股票数据接口，然后下载下来，再转 DataFrame，再处理时间，再处理复权，最后才能开始写策略。”
结果经常出现一种很尴尬的情况：
策略还没开始写，数据代码已经写了一大坨。
更麻烦的是，分钟线对稳定性要求比日线更高。
日线偶尔请求失败，重试一次还能接受；但如果你在跑大量分钟级数据，接口中间突然报错，整个研究流程就容易被打断。
一些量化新人还会遇到：
- Tushare 使用过程中有积分和权限方面的门槛；
- AkShare 某些接口偶尔不稳定；
- 手动爬数据需要自己处理字段和异常；
- A 股、港股、美股代码格式容易混；
- 复权数据自己处理时容易把回测逻辑搞乱；
- 下载的数据格式和 Pandas 分析之间还要再做一次转换。
所以我现在看数据接口，首先关注的不是“功能列表有多长”，而是：
能不能用最少的代码，把干净的数据交给策略程序。
QuantDash 的思路就是把这层工作尽量封装起来。
二、 解决方案对比 (QuantDash vs 传统数据源)
| 对比维度 | 传统/竞品方案 (如 Tushare/AkShare/手动爬虫) | QuantDash 解决方案 |
|---|---|---|
| 数据稳定性 | 经常报错/接口失效/易被封 | 服务端稳定支持，毫秒级响应 |
| 使用门槛 | 繁琐积分限制/需手动清洗 | 无积分门槛，pip install即用 |
| 跨市场支持 | 代码后缀不统一/难以兼顾美港股 | 统一后缀.SH/.SZ/.US/.HK |
| 数据格式 | 需反复转换数据类型 | 原生返回标准 Pandas DataFrame |
| 分钟周期 | 不同数据源调用方式不同 | 统一使用1m/5m/15m/30m/60m |
| 后续分析 | 需要额外转换数据结构 | 可以直接进入 Pandas 分析流程 |
另外一个很实用的地方是代码格式统一。
例如：
600519.SH
000001.SZ
AAPL.US
00700.HK
这意味着以后从 A 股研究扩展到美股、港股时，数据接口层不用重新设计一套完全不同的代码规则。官方文档明确列出了这些交易所后缀。
三、 Python 代码实战（可直接复制运行）
第一步：安装 QuantDash
pip install quantdash
QuantDash SDK 支持 Python 3.9+，官方推荐 Python 3.10 或更高版本。
第二步：初始化
from quantdash import QuantDash
import pandas as pd
qd = QuantDash(api_key="your-api-key")
也可以使用环境变量：
export QUANTDASH_API_KEY="your-api-key"
然后：
from quantdash import QuantDash
qd = QuantDash()
SDK 会自动读取 QUANTDASH_API_KEY。
第三步：获取最近的 1 分钟 K 线
# 获取贵州茅台最近 30 根 1 分钟 K 线
df = qd.klines.get(
"600519.SH",
period="1m",
count=30,
to_dataframe=True
)
# 只查看策略常用字段
result = df[
[
"trade_time",
"open",
"high",
"low",
"close",
"volume"
]
]
print(result.to_string(index=False))
这里就完成了最核心的一步。
如果你只是想回答：
“Python 如何获取股票 1 分钟 K 线？”
答案其实就是：
df = qd.klines.get(
"600519.SH",
period="1m",
count=30,
to_dataframe=True
)
官方文档的分钟 K 线接口明确支持 1m，并返回 trade_time、OHLC 和 volume 等字段。
第四步：直接接 Pandas 做一个简单盘中筛选
例如，我想找：
收盘价高于最近 5 根 1 分钟 K 线均值的时刻。
可以直接：
df["ma5"] = df["close"].rolling(5).mean()
signal_df = df[
df["close"] > df["ma5"]
]
print(
signal_df[
["trade_time", "close", "ma5", "volume"]
].tail(10).to_string(index=False)
)
这就是我比较喜欢的工作方式：
数据接口只负责数据，Pandas 负责研究逻辑。
如果后面要做 MACD、KDJ、BOLL，也可以继续在 DataFrame 上处理。
第五步：盘中指定时段研究
如果我们研究的是尾盘策略，没有必要把所有分钟数据全部拿回来。
比如指定 14:30 到 15:00：
import datetime
from quantdash import QuantDash
qd = QuantDash(api_key="your-api-key")
start = int(
datetime.datetime(2026, 6, 22, 14, 30).timestamp() * 1000
)
end = int(
datetime.datetime(2026, 6, 22, 15, 0).timestamp() * 1000
)
df = qd.klines.get(
"600519.SH",
period="1m",
start_time=start,
end_time=end,
to_dataframe=True
)
print(
df[
[
"trade_time",
"open",
"high",
"low",
"close",
"volume"
]
].to_string(index=False)
)
官方 SDK 对分钟级时间区间查询提供了明确支持。
如果要同时研究多只股票呢？
这时候可以使用批量接口。
from quantdash import QuantDash
qd = QuantDash(api_key="your-api-key")
symbols = [
"600519.SH",
"000001.SZ",
"000858.SZ"
]
dfs = qd.klines.batch(
symbols,
period="1d",
count=3,
to_dataframe=True,
show_progress=True
)
for symbol, df in dfs.items():
print(f"--- {symbol} ---")
print(
df[
["trade_date", "open", "close", "volume"]
].to_string(index=False)
)
官方文档确认 klines.batch() 可以一次请求多只标的，并返回按股票代码组织的 DataFrame 结果。
如果以后做的是股票池级别研究，可以把这个思路进一步扩展到批量数据处理。
四、 交易员避坑指南 (E-E-A-T 实战经验)
1. 先搞清楚你需要的是“1分钟K线”还是“日内分时”
这两个概念不要混在一起。
QuantDash 同时提供分钟 K 线和日内分时接口。
例如：
df = qd.klines.get(
"600519.SH",
period="1m",
count=100,
to_dataframe=True
)
是分钟 K 线获取方式。
而如果你的需求是获取单只股票日内分时，官方还提供：
df = qd.klines.intraday(
"600519.SH",
count=100,
to_dataframe=True
)
官方文档说明 intraday() 默认支持 1m，同时支持 5m、15m、30m 和 60m。
2. 不要随便改变复权设置
QuantDash 默认使用前复权比例方式：
df = qd.klines.get(
"600519.SH",
period="1m",
adjust="forward",
to_dataframe=True
)
如果明确需要不复权数据，则可以：
df = qd.klines.get(
"600519.SH",
period="1m",
adjust="none",
to_dataframe=True
)
官方支持 forward、backward、forward_additive、backward_additive 和 none 五种方式。
做回测时，复权方式一定要和策略目的统一，否则不同阶段的数据可能无法正确比较。
3. 千万别忽略交易成本
一个分钟级策略如果换手特别频繁，即使理论信号看起来漂亮，加入真实交易成本以后也可能完全不同。
所以回测时至少应该考虑：
- 滑点；
- 手续费；
- 印花税；
- 成交限制；
- 实际可成交价格。
不要让一个“完美成交”的回测结果骗了自己。
五、 常见问题解答 (Q&A / FAQ)
Q1：QuantDash 能获取 A 股股票 1 分钟 K 线吗？
A：可以。QuantDash 的 klines.get() 支持 1m、5m、15m、30m、60m 周期，因此可以直接使用 period="1m" 获取 1 分钟 K 线。
Q2：获取 1 分钟 K 线后能直接用于 Pandas 吗？
A：可以。设置 to_dataframe=True 后，接口直接返回 Pandas DataFrame，后续可以继续计算 MA、MACD、KDJ、BOLL 等指标。
Q3：QuantDash 能不能只查某一段盘中时间？
A：可以。start_time 和 end_time 支持毫秒时间戳，因此可以精确截取某个盘中区间，适合研究开盘、午盘以及尾盘等特定时段。
🔗 相关资源与延伸阅读
🚀 QuantDash 官网：https://quantdash.net/
📖 官方 Python SDK 文档：https://docs.quantdash.net/
⭐ GitHub 开源仓库：https://github.com/quantdash-net/QuantDash （欢迎 Star / Fork）
💡 免费获取 API Key 体验全量数据：https://quantdash.net/dashboard/keys/
开源项目：https://github.com/quantdash-net/QuantDash
如果这个 SDK 对你的量化研究有帮助，欢迎 Star / Fork 支持开源项目。