Tushare接口文档:A股日线行情(daily)

简介: 本接口可以获取股票日行情数据,包括高开低收、成交量、成交额等数据。本文介绍了接口不同参数一般的使用方法,并推荐了实战中将历史行情按照`trade_date`循环遍历获取后存储在本地,之后再在每日更新。本文还对`pre_close`字段、盘后固定价格成交数据进行了强调。
  • 功能描述:获取股票日行情数据,包括高开低收、成交量、成交额等数据
  • 返回限量:单次请求最大返回6000行,足够获取某天所有A股上市公司的日行情。如果单次请求一支股票的话,也相当于23年的历史行情。
  • 接口权限:基础积分每分钟内可调取500次
  • 说明:

   1. 每个交易日16:00-17:00更新;

   2. 为了更快将大量股票许多交易日的日线行情加载到变量中,本文作者建议先将历史数据依据trade_date进行遍历获取数据后存储在本地,然后再在每日收盘后依据trade_date获取当日的行情并存储在本地,使用时从本地加载将会快非常多。而且也会减轻Tushare的服务器压力,从而更好为大家服务。


输入参数:

名称

类型

必选

描述

ts_code

str

N

股票代码(支持多个股票同时提取,逗号分隔)

trade_date

str

N

交易日期(YYYYMMDD)

start_date

str

N

开始日期(YYYYMMDD)

end_date

str

N

结束日期(YYYYMMDD)

start_date和end_date字段组成了一个时间段,该时间区间左闭右闭(两端日期都包含),是对trade_date的限定。


输出参数:

名称

类型

默认显示

描述

ts_code

str

Y

股票代码

trade_date

str

Y

交易日期

open

float

Y

开盘价

high

float

Y

最高价

low

float

Y

最低价

close

float

Y

收盘价

pre_close

float

Y

昨收价【除权价】

change

float

Y

涨跌额

pct_chg

float

Y

涨跌幅(%) 【基于除权后的昨收计算的涨跌幅:(今收-除权昨收)/除权昨收 】

vol

float

Y

成交量 (手)

amount

float

Y

成交额 (千元)

ah_vol

float

N

盘后成交量 (手)

ah_amount

float

N

盘后成交额 (千元)

  1. vol和amount字段并不含盘后固定价格成交的数据,盘后固定价格成交数据记录在ah_vol和ah_amount字段中。在下面示例1和示例2进行了较为详细的讲解;
  2. pre_close是前一个交易日收盘价的除权参考价,而非前一个交易日实际的收盘价。该字段作为当日股票价格变动的基准,涨跌幅/额、涨跌停价等均是以此为基础计算的。除此之外该字段在计算复权因子、验证分红配股等除息除权事件中起到了关键作用。在下面示例4中进行了展示;


示例:

示例1:传入trade_date参数,获取某一交易日全市场股票日行情

2026/07/06 A股市场上交所和深交所实施盘后固定价格交易机制(北交所暂不实施),Tushare的日行情数据接口中也包含了该数据。用户之前使用该接口很可能并没有对此进行适配,为了向前兼容,Tushare将盘后成交量(ah_vol)和盘后成交额(ah_amount)从机制实施后的总体统计数据中独立出来,并默认不展示。由此,vol和amount和以前一样统计的是9:15~15:00之间的成交数据,而ah_vol和ah_amount则统计盘后固定价格成交数据。因此,今后获取日行情的所有字段时需要显式传入全部字段名。

import tushare as ts
pro = ts.pro_api()
# 显式传递所有字段
fields = 'ts_code,trade_date,open,high,low,close,pre_close,change,pct_chg,vol,amount,ah_vol,ah_amount'
df = pro.daily(trade_date='20260710', fields=fields)
df

输出结果:

ts_code        trade_date        open        high        low        close        pre_close        change        pct_chg        vol        amount        ah_vol        ah_amount
0        000001.SZ        20260710        10.50        10.51        10.40        10.45        10.49        -0.04        -0.3813        957320.35        999718.24932        638.0        666.710
1        000002.SZ        20260710        2.99        3.14        2.95        3.11        2.98        0.13        4.3624        2160145.13        665318.28634        901.0        280.211
2        000004.SZ        20260710        0.45        0.46        0.45        0.46        0.42        0.04        9.5238        36305.89        1667.18694        1.0        0.046
3        000006.SZ        20260710        6.86        7.39        6.83        7.08        6.84        0.24        3.5088        329705.44        237936.45909        14.0        9.912
4        000007.SZ        20260710        10.85        11.42        10.80        11.10        10.85        0.25        2.3041        71319.00        79701.60300        1.0        1.110
...        ...        ...        ...        ...        ...        ...        ...        ...        ...        ...        ...        ...        ...
5516        920978.BJ        20260710        20.41        20.71        20.10        20.41        20.22        0.19        0.9397        15223.42        31064.70322        NaN        NaN
5517        920981.BJ        20260710        40.40        41.36        35.90        36.21        40.21        -4.00        -9.9478        64446.83        245896.82885        NaN        NaN
5518        920982.BJ        20260710        115.00        121.70        113.09        118.20        115.30        2.90        2.5152        13458.45        158464.55291        NaN        NaN
5519        920985.BJ        20260710        4.55        4.79        4.48        4.72        4.52        0.20        4.4248        32469.12        15227.60896        NaN        NaN
5520        920992.BJ        20260710        11.28        12.06        10.98        12.03        11.27        0.76        6.7436        20566.98        24084.52592        NaN        NaN
5521 rows × 13 columns

示例2:计算全天的成交数据

如需全天的成交额,则需要将ah_amount和amount相加,全天的成交量也是将ah_vol和vol相加。

注意:北交所暂未实施盘后固定价交易机制,因而有些盘后数据为空值,相加的时候需要注意。

df['all_vol'] = df['vol'].add(df['ah_vol'], fill_value=0)
df['all_amount'] = df['amount'].add(df['ah_amount'], fill_value=0)
df[['ts_code', 'trade_date', 'vol', 'ah_vol', 'all_vol', 'amount', 'ah_amount', 'all_amount']]

输出结果:

ts_code        trade_date        vol        ah_vol        all_vol        amount        ah_amount        all_amount
0        000001.SZ        20260710        957320.35        638.0        957958.35        999718.24932        666.710        1.000385e+06
1        000002.SZ        20260710        2160145.13        901.0        2161046.13        665318.28634        280.211        6.655985e+05
2        000004.SZ        20260710        36305.89        1.0        36306.89        1667.18694        0.046        1.667233e+03
3        000006.SZ        20260710        329705.44        14.0        329719.44        237936.45909        9.912        2.379464e+05
4        000007.SZ        20260710        71319.00        1.0        71320.00        79701.60300        1.110        7.970271e+04
...        ...        ...        ...        ...        ...        ...        ...        ...
5516        920978.BJ        20260710        15223.42        NaN        15223.42        31064.70322        NaN        3.106470e+04
5517        920981.BJ        20260710        64446.83        NaN        64446.83        245896.82885        NaN        2.458968e+05
5518        920982.BJ        20260710        13458.45        NaN        13458.45        158464.55291        NaN        1.584646e+05
5519        920985.BJ        20260710        32469.12        NaN        32469.12        15227.60896        NaN        1.522761e+04
5520        920992.BJ        20260710        20566.98        NaN        20566.98        24084.52592        NaN        2.408453e+04
5521 rows × 8 columns

示例3、传入证券代码和起始日期

如果要查看某支股票某天以来的日行情,可以指定start_date而不指定end_date(或者将end_date指定为今天,效果也一样)。注意,daily等接口返回的数据是按照日期倒序的。

df = pro.daily(ts_code='000001.SZ', start_date='20260101', fields=fields)
df

输出结果:

ts_code        trade_date        open        high        low        close        pre_close        change        pct_chg        vol        amount        ah_vol        ah_amount
0        000001.SZ        20260710        10.50        10.51        10.40        10.45        10.49        -0.04        -0.3813        957320.35        9.997182e+05        638.0        666.710
1        000001.SZ        20260709        10.55        10.59        10.43        10.49        10.60        -0.11        -1.0377        747191.01        7.853871e+05        288.0        302.112
2        000001.SZ        20260708        10.44        10.63        10.34        10.60        10.47        0.13        1.2416        950760.22        1.002625e+06        410.0        434.600
3        000001.SZ        20260707        10.46        10.51        10.35        10.47        10.50        -0.03        -0.2857        805221.15        8.404658e+05        423.0        442.881
4        000001.SZ        20260706        10.25        10.52        10.22        10.50        10.29        0.21        2.0408        1061048.63        1.103903e+06        46.0        48.300
...        ...        ...        ...        ...        ...        ...        ...        ...        ...        ...        ...        ...        ...
119        000001.SZ        20260109        11.53        11.53        11.44        11.46        11.51        -0.05        -0.4344        983390.04        1.128077e+06        NaN        NaN
120        000001.SZ        20260108        11.64        11.65        11.49        11.51        11.64        -0.13        -1.1168        1100085.11        1.268647e+06        NaN        NaN
121        000001.SZ        20260107        11.66        11.82        11.62        11.64        11.67        -0.03        -0.2571        966236.24        1.131166e+06        NaN        NaN
122        000001.SZ        20260106        11.50        11.68        11.48        11.67        11.50        0.17        1.4783        1304648.42        1.512912e+06        NaN        NaN
123        000001.SZ        20260105        11.42        11.51        11.41        11.50        11.41        0.09        0.7888        875491.18        1.003479e+06        NaN        NaN
124 rows × 13 columns

示例4:传递股票代码、起始日期和结束日期

在没有将日行情数据下载到本地的情况下,直接使用daily接口查看某支股票历史上一段时间的日行情,除了要指定start_date外还要指定end_date。日期区间是左闭右闭的。

本示例除了演示如何查看某支股票历史上一段时间的日行情外,还演示了pre_close的深刻理解。观察20251015的pre_close和20251014的close,发现这两个不一样,而其余pre_close都和上一个交易日的close是一样的。这明确说明了pre_close字段作为“昨收价”,并非“前一个交易日真实的(名义)收盘价”,而是考虑了除权除息的“上一个交易日收盘价的除权参考价”。

df = pro.daily(ts_code='000001.SZ', start_date='20251010', end_date='20251020', fields=fields)
df[['ts_code', 'trade_date', 'close', 'pre_close']]

输出结果:

ts_code        trade_date        close        pre_close
0        000001.SZ        20251020        11.42        11.40
1        000001.SZ        20251017        11.40        11.54
2        000001.SZ        20251016        11.54        11.40
3        000001.SZ        20251015        11.40        11.33
4        000001.SZ        20251014        11.57        11.40
5        000001.SZ        20251013        11.40        11.43
6        000001.SZ        20251010        11.43        11.40

示例5:仅传递股票代码

如果不考虑盘后固定价格交易数据,仅传入股票代码(ts_code)可获得该股票最近超过23年的日行情数据。

df = pro.daily(ts_code='000001.SZ')
df

输出结果:

ts_code        trade_date        open        high        low        close        pre_close        change        pct_chg        vol        amount
0        000001.SZ        20260710        10.50        10.51        10.40        10.45        10.49        -0.04        -0.3813        957320.35        9.997182e+05
1        000001.SZ        20260709        10.55        10.59        10.43        10.49        10.60        -0.11        -1.0377        747191.01        7.853871e+05
2        000001.SZ        20260708        10.44        10.63        10.34        10.60        10.47        0.13        1.2416        950760.22        1.002625e+06
3        000001.SZ        20260707        10.46        10.51        10.35        10.47        10.50        -0.03        -0.2857        805221.15        8.404658e+05
4        000001.SZ        20260706        10.25        10.52        10.22        10.50        10.29        0.21        2.0408        1061048.63        1.103903e+06
...        ...        ...        ...        ...        ...        ...        ...        ...        ...        ...        ...
5995        000001.SZ        20010227        14.25        14.28        14.05        14.10        14.21        -0.11        -0.7700        23521.05        3.317735e+04
5996        000001.SZ        20010226        14.15        14.36        14.14        14.21        14.12        0.09        0.6400        18624.35        2.649251e+04
5997        000001.SZ        20010223        13.80        14.12        13.80        14.12        13.86        0.26        1.8800        18374.23        2.555811e+04
5998        000001.SZ        20010222        13.90        14.00        13.84        13.86        14.00        -0.14        -1.0000        34421.42        4.785641e+04
5999        000001.SZ        20010221        14.25        14.25        13.95        14.00        14.27        -0.27        -1.8900        36539.27        5.127413e+04
6000 rows × 11 columns

示例6:传递多个股票代码

如果仅想获取几支特定股票的行情,可以向ts_code传入以英文逗号分割的股票代码列表。

df = pro.daily(trade_date='20260710', ts_code='000001.SZ,600519.SH,600036.SH,000002.SZ')
df

输出结果:

ts_code        trade_date        open        high        low        close        pre_close        change        pct_chg        vol        amount
0        000001.SZ        20260710        10.50        10.51        10.40        10.45        10.49        -0.04        -0.3813        957320.35        9.997182e+05
1        000002.SZ        20260710        2.99        3.14        2.95        3.11        2.98        0.13        4.3624        2160145.13        6.653183e+05
2        600036.SH        20260710        36.61        36.92        36.33        36.88        36.55        0.33        0.9029        793771.53        2.911441e+06
3        600519.SH        20260710        1182.20        1204.98        1170.28        1204.98        1182.19        22.79        1.9278        52212.55        6.223344e+06

示例7:循环调用

实际使用数据的时候我们往往需要很多天很多股票的数据,由于接口每次仅返回6000条数据,故而我们需要使用到循环调用接口。我们推荐依据trade_date进行循环调用,理由是以前十几年的数据存储在本地调用仅需2s左右,新的一天数据调用一次接口也仅需要零点几秒。以下演示按照日期调用接口的方式。

示例代码中使用了给定的日期列表,实战中可使用Tushare的交易日历(trade_cal)接口获取需要的交易日列表。

dates = ['20260706', '20260707', '20260708', '20260709', '20260710']
# 显式指定返回的字段
fields = 'ts_code,trade_date,open,high,low,close,pre_close,change,pct_chg,vol,amount,ah_vol,ah_amount'
# 这里先用list将结果存起来,等所有数据下载完毕之后再一次性合并
# list添加的DataFrame的时候,添加进去的实际上是指针,并没有数据的转移,会很快
# 但如果每获得数据时就进行DataFrame的合并,可能会导致更多额外空间的分配
lst_data = []
for d in dates:
    df = pro.daily(trade_date=d)
    lst_data.append(df)
df_data = pd.concat(lst_data, ignore_index=True)
df_data

输出结果:

ts_code        trade_date        open        high        low        close        pre_close        change        pct_chg        vol        amount
0        000001.SZ        20260706        10.25        10.52        10.22        10.50        10.29        0.21        2.0408        1061048.63        1.103903e+06
1        000002.SZ        20260706        3.08        3.11        3.05        3.07        3.09        -0.02        -0.6472        931973.11        2.868322e+05
2        000004.SZ        20260706        0.45        0.50        0.41        0.41        0.45        -0.04        -8.8889        69960.73        3.103588e+03
3        000006.SZ        20260706        7.41        7.42        7.08        7.09        7.41        -0.32        -4.3185        210631.59        1.516639e+05
4        000007.SZ        20260706        12.10        13.31        12.10        12.88        12.10        0.78        6.4463        177208.00        2.303126e+05
...        ...        ...        ...        ...        ...        ...        ...        ...        ...        ...        ...
27588        920978.BJ        20260710        20.41        20.71        20.10        20.41        20.22        0.19        0.9397        15223.42        3.106470e+04
27589        920981.BJ        20260710        40.40        41.36        35.90        36.21        40.21        -4.00        -9.9478        64446.83        2.458968e+05
27590        920982.BJ        20260710        115.00        121.70        113.09        118.20        115.30        2.90        2.5152        13458.45        1.584646e+05
27591        920985.BJ        20260710        4.55        4.79        4.48        4.72        4.52        0.20        4.4248        32469.12        1.522761e+04
27592        920992.BJ        20260710        11.28        12.06        10.98        12.03        11.27        0.76        6.7436        20566.98        2.408453e+04
27593 rows × 11 columns

示例8:其他参数

对于上市比较早的股票,由于日行情数据大于6000条,仅传递股票代码是不能够获取所有日行情数据的,但一般也不会需要这么久的日行情。如果真要获取超过6000条数据的日行情,则可以通过加上offset和limit字段进行分页调取。

import pandas as pd
df1 = pro.daily(ts_code='000001.SZ', limit=6000, offset=0)
df2 = pro.daily(ts_code='000001.SZ', limit=6000, offset=6000)
df_all = pd.concat([df1, df2], ignore_index=True)
df_all

输出结果:

ts_code        trade_date        open        high        low        close        pre_close        change        pct_chg        vol        amount
0        000001.SZ        20260710        10.50        10.51        10.40        10.45        10.49        -0.04        -0.3813        957320.35        9.997182e+05
1        000001.SZ        20260709        10.55        10.59        10.43        10.49        10.60        -0.11        -1.0377        747191.01        7.853871e+05
2        000001.SZ        20260708        10.44        10.63        10.34        10.60        10.47        0.13        1.2416        950760.22        1.002625e+06
3        000001.SZ        20260707        10.46        10.51        10.35        10.47        10.50        -0.03        -0.2857        805221.15        8.404658e+05
4        000001.SZ        20260706        10.25        10.52        10.22        10.50        10.29        0.21        2.0408        1061048.63        1.103903e+06
...        ...        ...        ...        ...        ...        ...        ...        ...        ...        ...        ...
8384        000001.SZ        19910410        47.56        47.56        47.56        47.56        47.80        -0.24        -0.5000        15.00        7.100000e+01
8385        000001.SZ        19910409        47.80        47.80        47.80        47.80        48.04        -0.24        -0.5000        4.00        1.900000e+01
8386        000001.SZ        19910408        48.04        48.04        48.04        48.04        48.52        -0.48        -0.9900        2.00        1.000000e+01
8387        000001.SZ        19910405        48.52        48.52        48.52        48.52        48.76        -0.24        -0.4900        2.00        1.000000e+01
8388        000001.SZ        19910404        48.76        48.76        48.76        48.76        49.00        -0.24        -0.4900        3.00        1.500000e+01
8389 rows × 11 columns


说明:

本文说明

本文旨在对Tushare的A股日线行情daily数据接口进行介绍,提供更多参考示例和使用说明。

本接口可以获取股票日行情数据,包括高开低收、成交量、成交额等数据。本文介绍了接口不同参数一般的使用方法,并推荐了实战中将历史行情按照trade_date循环遍历获取后存储在本地,之后再在每日更新。本文还对pre_close字段、盘后固定价格成交数据进行了强调。

本文目的是为了让用户和AIGC工具能够更便捷、准确地使用该接口。大家在使用过程中遇到什么问题和建议可在线留言,作者会进行数据探索将结果更新到文章中,并将建议反馈给Tushare团队。本文另一个目的也是为了聚集大家的智慧以创建“我为人人,人人为我”的共创氛围。

相关文章
|
4月前
Tushare接口文档:股票历史分钟行情(stk_mins)
本文旨在对Tushare的股票历史分钟行情`stk_mins`数据接口进行介绍,提供更多参考示例和使用说明。股票分钟行情作为中高频数据,在投资中扮演着极其重要的角色。本文介绍了如何如何获取不同频率的分钟行情、常见的参数设置以及简要介绍了统计区间口径。
744 1
|
前端开发 JavaScript 搜索推荐
Marp 入门与教程:让你一分钟爱上代码写PPT的乐趣
Marp 是一个基于 Markdown 的开源幻灯片制作工具,可将 Markdown 文档轻松转换为精美幻灯片。支持 VS Code 插件实时预览、命令行工具批量处理、自定义主题等,适用于技术分享、工作汇报和教学等多种场景。相比 LaTeX Beamer,Marp 学习成本低,跨平台支持好,设计现代美观。
|
JavaScript 前端开发
将本地HTML文件转换成EXE可执行文件
将本地HTML文件转换成EXE可执行文件
1494 0
|
4月前
|
存储
Tushare接口文档:交易日历(trade_cal)
本文旨在对Tushare的交易日历trade_cal数据接口进行介绍,提供更多参考示例和使用说明。交易日历可以用来作为获取其他数据的关键(迭代)参数,也可以进行其他的应用。本文还基于交易日介绍了如何获取每周及每月最后一个交易日。
841 1
Tushare接口文档:交易日历(trade_cal)
|
4月前
|
存储 算法
Tushare接口文档:复权因子(adj_factor)
本文介绍的复权因子是“累计后复权因子”,存储的是每个交易日的快照。本文介绍了如何获取某个交易日全市场股票的复权因子、如何获取单只股票最近6000条复权因子、如何获取某段时间区间里的复权因子以及如何计算前复权和后复权价格。
702 8
|
4月前
|
存储 Shell
Tushare接口文档:股票基础信息(stock_basic)
本文旨在对Tushare的stock_basic数据接口进行介绍,讲解了如何使用stock_basic接口获取A股股票基础信息数据。并增加了一些使用案例和说明,方便用户和大模型工具便捷并准确调用。
582 0
|
3月前
Tushare接口文档:股票历史列表(bak_basic)
`bak_basic`返回指定交易日全部股票的基础信息与核心财务指标,包括股票代码、名称、行业、地域、市盈率、股本、资产、每股收益、市净率、股东人数等。与仅提供股票代码和名称的`stock_basic`接口相比,`bak_basic`附带了一个截面上的基本面快照,是进行历史回测、截面分析和因子研究的重要数据源。
234 2
|
3月前
|
文字识别 安全 Windows
【2026】Umi-OCR文字识别工具:截图/批量/PDF识别全支持
Umi-OCR是一款免费开源的离线OCR软件,支持截图、图片、扫描PDF文字识别,全程本地运行,保障隐私安全。提供Paddle(高性能)和Rapid(低配兼容)双引擎,操作简单,支持批量处理与多格式导出。
|
4月前
|
数据挖掘
Tushare接口文档:个股资金流向(moneyflow)
本文旨在对Tushare的个股资金流向`moneyflow`数据接口进行介绍,提供更多参考示例和使用说明。 本接口可获取沪深A股票资金流向数据,分析大单小单成交情况,用于判别资金动向。本文除了从交易日、个股方面简单介绍如何快速获取数据外,还演示了如何计算主力资金流向及对单支股票主力资金流向绘制趋势图,最后演示了如何筛选主力资金净流入top 10的个股。
940 9
|
4月前
|
数据可视化
Tushare接口文档:财务指标数据(fina_indicator)
本文旨在对Tushare的财务指标数据`fina_indicator`数据接口进行介绍,提供更多参考示例和使用说明。 财务指标数据包括盈利能力(如“净资产收益率”、“销售净利率”)、成长能力(如“营业收入同比增长率”)、偿债能力(如“资产负债率”、“流动比率”)、运营能力和现金流量等指标。本文除了介绍如何获取某支股票的财务数据外还介绍了通过VIP版本(`fina_indicator_vip`)一次性获取某个报告期内的所有股票财务指标。要注意传递`fields`以便能够获取想要的字段,还要注意`update_flag`对修正数据的标识。
663 2