supermind logo
同花顺logo

2026年用Python获取 A 股股票数据的 3 种方式

用户头像sh_*2176oo
2026-08-28 发布

2026 年用 Python 获取 A 股股票数据的 3 种方式（附完整代码）

用 Python 做量化分析、选股、回测，第一步都是同一个问题：怎么拿到股票数据？

2026 年，Python 获取 A 股数据主要有三种方式：开源爬虫库、付费数据平台、专业数据 API。每种方式的适用场景不同，这篇文章全部跑一遍，代码直接能用。

方式一：开源爬虫库（akshare / efinance）

原理

akshare 和 efinance 本质上是爬虫封装——它们把东方财富、新浪财经等网站的数据接口包装成 Python 函数。免费、开源、不需要注册。

安装

pip install akshare

获取日 K 线

import akshare as ak

# 获取贵州茅台的日 K 线（前复权）
df = ak.stock_zh_a_hist(
    symbol="600519",
    period="daily",
    start_date="20260101",
    end_date="20260828",
    adjust="qfq"
)
print(df.head())

输出的列名是中文（日期、开盘、收盘、最高、最低、成交量），做后续分析时需要手动重命名。

获取实时行情

# 获取全部 A 股实时行情
df_all = ak.stock_zh_a_spot_em()
print(f"共 {len(df_all)} 只股票")
print(df_all[["代码", "名称", "最新价", "涨跌幅", "成交额"]].head(10))

优点和局限

优点 局限
免费、开源 底层是爬虫，接口稳定性取决于被爬的网站
数据种类多（股票、基金、期货、宏观） 请求频率受限，批量获取需要加time.sleep
社区活跃 东方财富改版后接口可能失效
不需要注册 没有原生批量接口，只能循环获取

适合场景： 学习入门、一次性分析、对稳定性要求不高的场景。

方式二：数据平台 API（Tushare Pro）

原理

Tushare Pro 是一个有自己服务端的数据平台。你注册账号获得 Token，通过 API 拉取数据。数据不是爬来的，相对稳定。

安装和初始化

pip install tushare

import tushare as ts

pro = ts.pro_api("你的Token")

获取日 K 线

# 获取贵州茅台日线
df = pro.daily(ts_code="600519.SH", start_date="20260101", end_date="20260828")

# 注意：返回数据是倒序的（最新的在前面）
df = df.sort_values("trade_date")
print(df.head())

Tushare 的 daily 接口返回的是不复权数据。要前复权需要额外拉复权因子：

# 拉复权因子
adj = pro.adj_factor(ts_code="600519.SH", start_date="20260101", end_date="20260828")
adj = adj.sort_values("trade_date")

# 合并并计算前复权价
df = df.merge(adj[["trade_date", "adj_factor"]], on="trade_date")
df["close_adj"] = df["close"] * df["adj_factor"] / df["adj_factor"].iloc[-1]

获取实时行情

Tushare 的实时行情需要较高积分（≥2000），普通用户通常使用盘后日线数据。

优点和局限

优点 局限
正式 API，不是爬虫 积分/会员体系复杂，高级数据需充值
数据全面（含财务报表、分红等） 有频率限制（免费 200 次/分钟）
历史数据长 复权需手动计算
社区大，文档资料多 批量获取多只股票仍需循环

适合场景： 需要财务数据的深度研究、愿意付费获取全面数据的个人。

方式三：专业数据 API（AlphaFeed）

原理

AlphaFeed 是专为量化场景设计的数据 API，提供 A 股、美股、港股数据。正式 API（不是爬虫），SDK 内置批量并发、自动重试、复权参数。注册后免费版即可获取 A 股实时行情和日 K 线。

安装和初始化

pip install alphafeed

from alphafeed import AlphaFeed

af = AlphaFeed()  # 自动读取配置好的 API Key

获取日 K 线

# 获取贵州茅台日 K 线（前复权，最近 60 根）
df = af.klines.get("600519.SH", period="1d", count=60,
                    adjust="forward", to_dataframe=True)
print(df.head())

列名是标准英文（open, high, low, close, volume, amount），返回按时间正序排列，直接可以用于计算指标。

复权是 API 参数，支持 5 种模式：

# 前复权（回测用）
df = af.klines.get("600519.SH", period="1d", count=60, adjust="forward", to_dataframe=True)

# 后复权（计算真实收益）
df = af.klines.get("600519.SH", period="1d", count=60, adjust="backward", to_dataframe=True)

# 不复权（检测涨停跌停）
df = af.klines.get("600519.SH", period="1d", count=60, adjust="none", to_dataframe=True)

获取实时行情

# 单只股票
quote = af.quotes.get(symbols=["600519.SH"], to_dataframe=True)

# 全部 A 股（一行搞定）
all_cn = af.quotes.get(universes="CN_Stock", to_dataframe=True)
print(f"共 {len(all_cn)} 只")

批量获取多只股票 K 线

symbols = ["600519.SH", "000001.SZ", "300750.SZ", "601318.SH", "002594.SZ"]

# 5 只票一次搞定，SDK 自动并发
dfs = af.klines.batch(symbols, period="1d", count=60,
                       adjust="forward", to_dataframe=True)
for sym, df in dfs.items():
    print(f"{sym}: {len(df)} 根 K 线")

获取五档盘口

depth = af.depth.get("600519.SH")
print(f"买一: {depth.bids[0].price} × {depth.bids[0].volume}")
print(f"卖一: {depth.asks[0].price} × {depth.asks[0].volume}")

获取分钟线

# 获取日内 1 分钟 K 线
df_1m = af.klines.intraday("600519.SH", period="1m", to_dataframe=True)
print(f"今日 {len(df_1m)} 根 1 分钟 K 线")

优点和局限

优点 局限
正式 API，接口稳定 暂无财务报表数据
原生批量接口（batch），内置并发和重试 全市场查询需 Starter 订阅
A 股 / 美股 / 港股统一接口 数据种类不如 akshare 广
5 种复权模式，参数直接指定 专注行情数据
免费版含实时行情 + 日 K 线 + 盘口

适合场景： 认真做量化、需要批量高效获取数据、脚本要长期自动运行。

三种方式的核心差异

对比 akshare（爬虫） Tushare Pro（平台） AlphaFeed（API）
数据来源 爬第三方网站 自有服务 自有服务
注册 不需要 需要（Token） 需要（API Key）
费用 免费 免费 + 积分制 免费版 + 付费版
实时行情 ✅ 爬取 ⚠️ 高积分 ✅ 免费
批量获取 ❌ 循环 + sleep ❌ 循环 + sleep ✅ batch
复权 参数指定 手动计算 参数指定（5 种）
稳定性 ⚠️ 依赖第三方 ✅ 较稳定 ✅ 稳定
周线/月线 ❌ 需自己合成 ⚠️ 部分支持 ✅ 参数直接指定
五档盘口 ⚠️ 不稳定 ❌ 实时盘口有限 ✅
分钟线 ⚠️ 爬取 ⚠️ 需积分 ✅
多市场 A 股为主 A 股为主 A / 美 / 港

怎么选

刚学 Python，想先跑通代码：
→ akshare，零门槛，装上就能用

需要财务数据、基本面研究：
→ Tushare Pro，数据维度最全

做量化选股/回测，要批量拉数据、要稳定运行：
→ AlphaFeed，专为这个场景设计

三个都想试试？ 花 10 分钟各跑一段上面的代码，体感最直观。

快速开始模板

不管你选哪个方式，下面是一个"获取数据 → 算均线 → 画图"的完整模板，用 AlphaFeed 实现：

from alphafeed import AlphaFeed
import pandas as pd

af = AlphaFeed()

# 获取数据
df = af.klines.get("600519.SH", period="1d", count=120,
                    adjust="forward", to_dataframe=True)

# 计算均线
df["ma5"] = df["close"].rolling(5).mean()
df["ma20"] = df["close"].rolling(20).mean()
df["ma60"] = df["close"].rolling(60).mean()

# 最新状态
latest = df.iloc[-1]
trend = "多头排列" if latest["ma5"] > latest["ma20"] > latest["ma60"] else "非多头"
print(f"600519.SH 最新收盘: {latest['close']:.2f}")
print(f"MA5={latest['ma5']:.2f}  MA20={latest['ma20']:.2f}  MA60={latest['ma60']:.2f}")
print(f"均线状态: {trend}")

pip install alphafeed

注册账号后免费即可运行以上所有代码。

评论