Python金融数据分析入门：用Tushare获取股票历史行情（附完整代码示例）
对于刚接触金融数据分析的Python爱好者来说，最令人兴奋又略带困惑的第一步，往往就是如何获取可靠、结构化的市场数据。市面上充斥着各种数据源，有的需要付费订阅，有的界面复杂，有的数据质量参差不齐。如果你渴望一种更“程序员友好”的方式——通过几行代码就能将海量历史行情数据拉取到本地，进行自由的分析和建模，那么Tushare这个工具库绝对值得你深入了解。它并非一个简单的数据下载器，而是一个将金融数据API化的桥梁，让你能够像调用普通函数一样，获取从股票、基金到宏观经济等一系列金融数据。这篇文章，我将从一个实践者的角度，带你从零开始，手把手掌握Tushare的核心用法，并分享一些我实际使用中总结出的数据处理技巧和避坑指南。
1. 环境准备与Tushare初探
在开始编写任何代码之前，一个稳定、隔离的Python环境是高效工作的基石。我强烈建议使用conda或venv创建独立的虚拟环境，这能避免不同项目间的依赖冲突。假设你已经安装了Python（建议3.7及以上版本），那么环境搭建可以这样开始：
# 创建并激活一个名为‘finance’的虚拟环境（以conda为例） conda create -n finance python=3.9 conda activate finance # 安装核心依赖 pip install tushare pandas numpy matplotlib这里，pandas和numpy是后续数据处理的左膀右臂，matplotlib则用于基础的可视化。安装完成后，你首先需要访问Tushare的官网进行注册，以获取一个唯一的token。这个token是你的身份凭证，所有数据请求都基于它。注册过程完全免费，对于个人学习和研究来说，获取基础数据（如日线行情）的权限已经足够。
拿到token后，我们进行初始化。不要把token硬编码在脚本里，尤其是如果你打算将代码分享到GitHub等平台。一个更安全的做法是将其存储在环境变量中。
import tushare as ts import pandas as pd import os # 方式一：直接在代码中设置（仅用于临时测试，不推荐用于正式项目） ts.set_token('你的token字符串') # 方式二：从环境变量读取（推荐） # 假设你在终端中执行了 `export TUSHARE_TOKEN='你的token'` token = os.getenv('TUSHARE_TOKEN') if token: ts.set_token(token) else: print("请设置环境变量 TUSHARE_TOKEN") exit() # 初始化Pro接口 pro = ts.pro_api()初始化pro对象后，你就拥有了打开金融数据宝库的钥匙。Tushare的数据通过不同的API函数提供，每个函数对应一类数据。在开始调用前，花几分钟浏览官网的数据字典，了解有哪些数据可用，以及每个API所需的参数，这会让你后续的探索事半功倍。
2. 核心API调用实战：获取个股历史行情
获取数据是第一步，但如何高效、准确地获取所需数据，里面有不少门道。Tushare Pro接口提供了daily、weekly、monthly等函数来获取不同周期的行情数据。我们以最常用的日线数据daily()为例。
最基本的调用只需要股票代码和日期范围。A股股票的代码通常以.SZ（深交所）或.SH（上交所）结尾。
# 获取贵州茅台（600519.SH）2023年全年的日线数据 df = pro.daily(ts_code='600519.SH', start_date='20230101', end_date='20231231') print(df.head()) print(f"共获取到{len(df)}条数据")执行这段代码，你会得到一个DataFrame，包含日期、开盘价、最高价、最低价、收盘价、成交量等关键字段。但直接这样调用可能会遇到两个常见问题：一是数据量很大时返回较慢，二是默认的字段顺序可能不符合你的分析习惯。
注意：
trade_date字段是整数格式（如20230101），在后续进行时间序列分析时，需要将其转换为标准的datetime类型。
一个更健壮、功能更丰富的调用示例应该包含错误处理和参数优化：
def fetch_stock_daily(ts_code, start_date, end_date, fields=None): """ 获取股票日线行情数据，并做基础处理。 参数: ts_code: 股票代码，如 '000001.SZ' start_date: 开始日期，格式 'YYYYMMDD' end_date: 结束日期，格式 'YYYYMMDD' fields: 指定返回的字段列表，为None则返回所有字段 返回: 处理后的 pandas DataFrame """ try: # 调用API df = pro.daily(ts_code=ts_code, start_date=start_date, end_date=end_date, fields=fields) if df.empty: print(f"未获取到股票 {ts_code} 在指定时间段的数据。") return df # 1. 将交易日期转换为datetime类型，并设为索引 df['trade_date'] = pd.to_datetime(df['trade_date'], format='%Y%m%d') df.set_index('trade_date', inplace=True) df.sort_index(inplace=True) # 按时间升序排列 # 2. 重命名列，使其更易读（可选） column_mapping = { 'open': '开盘价', 'high': '最高价', 'low': '最低价', 'close': '收盘价', 'pre_close': '前收盘价', 'change': '涨跌额', 'pct_chg': '涨跌幅(%)', 'vol': '成交量(手)', 'amount': '成交额(千元)' } df.rename(columns=column_mapping, inplace=True) return df except Exception as e: print(f"获取数据时发生错误: {e}") return pd.DataFrame() # 返回空DataFrame # 使用函数获取中国平安（601318.SH）2024年第一季度数据 pingan_df = fetch_stock_daily('601318.SH', '20240101', '20240331') if not pingan_df.empty: print(pingan_df[['开盘价', '收盘价', '成交量(手)']].head())通过封装函数，我们不仅实现了代码复用，还内置了数据清洗和转换的步骤，让获取到的数据立刻处于“分析就绪”状态。fields参数非常有用，当你只需要其中几列数据时，指定它可以减少网络传输的数据量，提高效率。
3. 进阶技巧：批量获取与数据管理
分析单只股票只是起点，真正的力量在于对比和组合分析。这就需要我们批量获取多只股票的数据。直接写循环调用API虽然可行，但效率不高，且可能触发频率限制。更优雅的方式是利用Tushare支持的批量代码查询，以及合理的缓存策略。
批量获取同一时间段多只股票数据：daily()接口的ts_code参数支持批量传入，代码间用逗号分隔。
# 一次性获取三只股票的数据 stock_codes = '600519.SH,000858.SZ,300750.SZ' batch_df = pro.daily(ts_code=stock_codes, start_date='20240101', end_date='20240331') print(batch_df['ts_code'].unique()) # 查看包含哪些股票返回的DataFrame会包含所有股票的数据，并通过ts_code列区分。为了方便后续分析，我们经常需要将数据转换为面板数据格式，即每个股票单独成一个DataFrame，并以股票代码为键存储在字典中。
# 将批量获取的数据按股票代码拆分成字典 panel_data = {} for code in batch_df['ts_code'].unique(): panel_data[code] = batch_df[batch_df['ts_code'] == code].copy() # 对每个股票的数据进行同样的日期转换和索引设置 panel_data[code]['trade_date'] = pd.to_datetime(panel_data[code]['trade_date'], format='%Y%m%d') panel_data[code].set_index('trade_date', inplace=True) panel_data[code].sort_index(inplace=True) # 现在可以方便地访问任意一只股票的数据 if '600519.SH' in panel_data: maotai = panel_data['600519.SH'] print(maotai[['close', 'vol']].tail())数据缓存与本地存储：反复从网络请求相同的数据是低效的。对于历史数据，一旦获取，就应该保存到本地。我常用的策略是使用pickle或parquet格式存储DataFrame，因为它们能很好地保留数据类型和索引。
import os from pathlib import Path def save_stock_data(df, code, data_dir='./stock_data'): """将单只股票数据保存到本地""" Path(data_dir).mkdir(parents=True, exist_ok=True) file_path = Path(data_dir) / f"{code}.parquet" df.to_parquet(file_path) print(f"数据已保存至: {file_path}") def load_stock_data(code, data_dir='./stock_data'): """从本地加载单只股票数据""" file_path = Path(data_dir) / f"{code}.parquet" if file_path.exists(): df = pd.read_parquet(file_path) # 确保索引是datetime类型 if not isinstance(df.index, pd.DatetimeIndex): df.index = pd.to_datetime(df.index) return df else: print(f"本地文件 {file_path} 不存在。") return None # 使用示例：先尝试从本地加载，如果没有则从网络获取并保存 code = '000001.SZ' local_df = load_stock_data(code) if local_df is None: print("本地无缓存，从Tushare获取...") online_df = fetch_stock_daily(code, '20230101', '20231231') if not online_df.empty: save_stock_data(online_df, code) local_df = online_df建立这样的本地数据仓库后，你的分析脚本启动速度会快很多，并且对Tushare API的依赖也降低了，在网络不稳定或API维护时仍能工作。
4. 基础数据分析与可视化实战
数据到手后，真正的乐趣才开始。我们使用pandas进行快速的数据洞察和特征计算。假设我们已经有了df这个包含某股票日线数据的DataFrame，且索引已是日期。
计算简单技术指标：移动平均线是最基础也最常用的指标之一。
# 计算5日、20日、60日简单移动平均线（SMA） df['SMA_5'] = df['收盘价'].rolling(window=5).mean() df['SMA_20'] = df['收盘价'].rolling(window=20).mean() df['SMA_60'] = df['收盘价'].rolling(window=60).mean() # 计算每日收益率 df['日收益率'] = df['收盘价'].pct_change() # 计算滚动波动率（以20日为例） df['波动率_20d'] = df['日收益率'].rolling(window=20).std() * (20**0.5) # 年化波动率粗略估算制作一个简单的价格与均线图：可视化能让我们直观感受趋势。这里使用matplotlib。
import matplotlib.pyplot as plt plt.style.use('seaborn-v0_8-darkgrid') # 使用一个好看的样式 fig, (ax1, ax2) = plt.subplots(2, 1, figsize=(14, 10), sharex=True) # 子图1：价格与均线 ax1.plot(df.index, df['收盘价'], label='收盘价', linewidth=1.5, alpha=0.8) ax1.plot(df.index, df['SMA_20'], label='20日均线', linewidth=1.5, linestyle='--') ax1.plot(df.index, df['SMA_60'], label='60日均线', linewidth=1.5, linestyle=':') ax1.set_ylabel('价格 (元)') ax1.set_title('股票价格与移动平均线') ax1.legend() ax1.grid(True, alpha=0.3) # 子图2：成交量 ax2.bar(df.index, df['成交量(手)'], color='skyblue', alpha=0.7, label='成交量') ax2.set_xlabel('日期') ax2.set_ylabel('成交量 (手)') ax2.set_title('成交量') ax2.legend() ax2.grid(True, alpha=0.3) # 自动调整日期标签格式，避免重叠 fig.autofmt_xdate() plt.tight_layout() plt.show()进行简单的数据汇总统计：pandas的describe()函数可以快速给出分布概况，但我们也可以自定义更贴合金融场景的统计。
# 基础描述性统计 print(df[['收盘价', '日收益率', '成交量(手)']].describe()) # 计算一些关键金融统计量 annual_return = df['日收益率'].mean() * 252 # 粗略年化收益率 annual_volatility = df['日收益率'].std() * (252**0.5) # 年化波动率 sharpe_ratio = annual_return / annual_volatility if annual_volatility != 0 else None # 夏普比率（无风险利率假设为0） stats_summary = pd.DataFrame({ '统计量': ['年平均收益率', '年化波动率', '夏普比率(零无风险利率)'], '值': [f"{annual_return:.2%}", f"{annual_volatility:.2%}", f"{sharpe_ratio:.3f}" if sharpe_ratio else 'N/A'] }) print(stats_summary)通过这几个步骤，你已经完成了从数据获取、清洗、存储到基础分析和可视化的完整闭环。这为你后续进行更复杂的策略回测、因子分析或机器学习建模打下了坚实的基础。记住，金融数据分析的核心在于提出正确的问题，并用数据去验证或探索答案，工具只是帮你更高效地完成这个过程。在接下来的探索中，你可能会对Tushare的其他数据接口（如财务数据、宏观经济数据）产生兴趣，也可以将pandas的威力发挥到更大，结合scikit-learn或statsmodels等库进行预测模型构建。
