简介：这份资源是 tushare 开源 Python 财经数据接口库的最新源代码包，面向金融数据分析从业者、量化研究者以及希望深入理解数据接口实现原理的开发者。包内共 44 个文件，以 25 个 py 源码文件为核心，辅以 7 个 rst 文档、3 个 txt 说明、2 个 md 文档，以及 makefile、yml、csv、bat、manifest 等配置与测试文件，压缩包约 269KB，结构紧凑、模块划分清晰。目前已有 1494 人学习下载。通过研读源码，读者可以掌握股票、期货、期权、基金、外汇、债券等数据的获取封装方式，理解 HTTP 请求、数据解析与异常处理逻辑；同时能学习 SQLite、MongoDB 等数据库的存储与检索设计，数据清洗、缺失值填充与时间序列处理方案，以及 matplotlib、seaborn 可视化接口的调用方法。多线程与异步 IO 的并发调度、错误处理与日志记录机制也值得借鉴，有助于提升大规模金融数据处理的效率与程序健壮性。1. 从一份源码包说起：tushare 到底能帮你拿到什么数据如果你写过 A 股相关的策略回测，大概率遇到过这种场景：想拉一份完整的日线行情，从某财经页面复制粘贴，格式乱、字段缺、除权除息还得自己算。折腾半天，策略逻辑一行没写，数据清洗倒写了三百行。tushare 这个项目解决的正是这个痛点——它把行情、财务、指数、基金等数据封装成统一的 Python 接口，一行调用就能拿到结构化 DataFrame。这份最新源代码适合两类人：一是想快速搭建数据管道的量化新手，二是想读懂数据接口层设计、准备做二次封装的老手。源码包里通常包含核心请求模块、接口定义、字段映射和示例脚本，拿到手就能本地跑通。2. 项目定位与技术选型：为什么它成了数据接口层的常客2.1 它解决的不是「取数」，而是「统一取数」很多人第一次接触 tushare，以为它就是个爬虫封装。实际拆开源码会发现，它的核心价值在于把不同来源、不同格式、不同频率的数据，统一成一套调用约定。比如日线行情、复权因子、财务指标，在底层可能是完全不同的接口协议，但对外都暴露成pro.daily()、pro.adj_factor()、pro.fina_indicator()这种风格一致的函数。这种设计让策略代码和数据源解耦——哪天某个接口换了地址，你只需要改配置，不用动策略逻辑。从源码结构看，它通常分成三层：最底层是 HTTP 请求与重试机制，中间层是接口路由与参数校验，最上层是面向用户的 API 对象。这种分层在 Python 项目里很常见，但 tushare 做得比较克制，没有过度抽象，读起来不费劲。2.2 技术栈：轻依赖、重约定源码包里的依赖通常不多，核心就是requests做网络请求，pandas做数据容器，simplejson或标准库处理序列化。这种轻依赖的好处是部署成本低，一台普通开发机pip install就能跑。但轻依赖也意味着它不帮你做太多事——比如缓存、并发、断点续传，这些得自己加。我一般会在它的请求层外面包一层本地缓存，用 SQLite 或 Parquet 存已经拉过的数据，避免重复请求。源码里通常留了timeout和retry参数，但默认值偏保守，实际用的时候建议根据网络情况调大。2.3 接口鉴权与 token 机制tushare 的接口大多需要 token，源码里一般会有一个set_token()方法，把 token 存到全局配置或环境变量里。拆开看，它其实就是在请求头里加了一个字段。这里有个容易翻车的点：token 不要硬编码在脚本里，尤其是要提交到代码仓库的时候。常见做法是读环境变量，或者用一个单独的config.py并加入.gitignore。import os import tushare as ts # 从环境变量读取 token，避免硬编码 token = os.environ.get("TUSHARE_TOKEN") if not token: raise ValueError("请先设置 TUSHARE_TOKEN 环境变量") ts.set_token(token) pro = ts.pro_api() # 拉取单只股票日线，指定日期区间 df = pro.daily(ts_code="000001.SZ", start_date="20240101", end_date="20240131") print(df[["trade_date", "open", "close", "vol"]].head())这段代码的逻辑很直白：先拿 token，再初始化 API 对象，最后调具体接口。参数说明上，ts_code是带交易所后缀的股票代码，start_date和end_date格式是YYYYMMDD。返回的 DataFrame 字段名是英文缩写，源码里通常有一份字段映射表，想改成中文列名可以自己写个 rename。3. 目录结构与核心模块拆解：一个请求从发起到返回3.1 源码目录长什么样拿到源码包后，先别急着跑setup.py，花五分钟把目录扫一遍。典型的 tushare 源码结构大致如下：tushare/ ├── __init__.py # 暴露顶层 API，如 pro_api、set_token ├── pro/ │ ├── client.py # 请求客户端，封装 HTTP 调用与重试 │ ├── data_pro.py # 各接口的具体实现，按数据类别分文件 │ └── utils.py # 参数校验、日期处理、字段映射 ├── stock/ │ └── cons.py # 股票列表、交易日历等基础数据 ├── examples/ │ └── demo_daily.py # 官方示例脚本 └── setup.py # 安装配置这个结构不是固定的，不同版本会有调整，但核心思路一致：client.py管通信，data_pro.py管业务，utils.py管工具。读源码时建议从__init__.py入手，看它导出了哪些名字，再顺着调用链往下追。3.2 请求客户端：重试与超时怎么做的client.py是整个项目的咽喉。它通常定义一个Client类，内部持有requests.Session，并在query()方法里处理重试。下面是一段常见的实现风格：import time import requests class Client: def __init__(self, token, timeout=15, max_retry=3): self.token = token self.timeout = timeout self.max_retry = max_retry self.session = requests.Session() self.session.headers.update({"Authorization": f"Bearer {token}"}) def query(self, url, params): """带重试的 GET 请求，失败时指数退避""" for attempt in range(self.max_retry): try: resp = self.session.get(url, params=params, timeout=self.timeout) resp.raise_for_status() return resp.json() except requests.RequestException as e: if attempt == self.max_retry - 1: raise # 指数退避，避免瞬间打满 time.sleep(2 ** attempt)逻辑说明：query()是统一入口，所有接口最终都走这里。参数上，timeout控制单次请求超时，max_retry控制重试次数，2 ** attempt实现指数退避。这里有个细节：raise_for_status()会把 4xx 和 5xx 都抛出来，但实际业务里 4xx 重试没意义，可以加个判断只对 5xx 重试。我一般会改成if resp.status_code >= 500才重试。3.3 接口实现层：参数校验与字段裁剪data_pro.py里通常是一堆方法，每个方法对应一个接口。以daily()为例，它做三件事：校验参数、拼请求、裁剪字段。def daily(self, ts_code=None, trade_date=None, start_date=None, end_date=None): """日线行情，支持单只或按日期区间""" if not ts_code and not trade_date: raise ValueError("ts_code 和 trade_date 至少传一个") params = { "api_name": "daily", "token": self.token, "params": {"ts_code": ts_code, "trade_date": trade_date, "start_date": start_date, "end_date": end_date}, "fields": "ts_code,trade_date,open,high,low,close,vol,amount" } data = self.client.query(self.url, params) return pd.DataFrame(data["items"], columns=data["fields"].split(","))参数说明：ts_code和trade_date是互斥的常用组合，源码里一般会做校验。fields字段控制返回列，不传就返回全部，但全部字段往往很多，按需裁剪能省带宽。返回时用pd.DataFrame包装，列名从fields里切分。这里有个坑：如果接口返回空，data["items"]可能是空列表，直接构造 DataFrame 会得到空表，后续计算要判空。3.4 基础数据模块：交易日历与股票列表stock/cons.py这类文件通常放的是「不常变但每次都要用」的数据，比如交易日历、股票列表、复权因子。这些数据的特点是：拉一次可以缓存很久，但每次策略启动都要读。源码里一般会提供一个trade_cal()接口，返回指定年份的交易日。# 获取 2024 年交易日历，只保留开市日 cal = pro.trade_cal(exchange="SSE", start_date="20240101", end_date="20241231") open_days = cal[cal["is_open"] == 1]["cal_date"].tolist() print(f"2024 年开市天数：{len(open_days)}")这段代码的用途很实际：回测时遍历交易日，而不是遍历自然日。参数exchange指定交易所，is_open为 1 表示开市。我一般会把结果存成 CSV，下次直接读，省得每次都请求。4. 本地跑通与数据落库：从安装到第一份 Parquet4.1 安装与初始化源码包通常支持两种安装方式：pip install .从本地安装，或者直接python setup.py develop做开发模式安装。开发模式的好处是改源码立即生效，不用反复重装。安装完先跑一遍examples/demo_daily.py，确认能拿到数据。# 进入源码目录，开发模式安装 cd tushare-src pip install -e . # 设置 token 后运行示例 export TUSHARE_TOKEN="你的token" python examples/demo_daily.py如果示例报错，先看报错类型：ModuleNotFoundError说明依赖没装全，HTTPError 401说明 token 无效，KeyError说明返回字段和预期不一致。这三种是最常见的。4.2 批量拉取与本地缓存单次拉一只股票没意思，实际用的时候都是批量。下面这段代码演示了如何遍历股票列表，把日线数据存成 Parquet，下次直接读本地。import os import pandas as pd import tushare as ts pro = ts.pro_api() cache_dir = "./data/daily" os.makedirs(cache_dir, exist_ok=True) # 获取全市场股票列表 stocks = pro.stock_basic(exchange="", list_status="L", fields="ts_code") codes = stocks["ts_code"].tolist() for code in codes[:50]: # 先跑 50 只试试 path = os.path.join(cache_dir, f"{code}.parquet") if os.path.exists(path): continue # 已有缓存就跳过 df = pro.daily(ts_code=code, start_date="20230101", end_date="20241231") if df.empty: continue df.to_parquet(path, index=False) print(f"{code} 已缓存 {len(df)} 行")逻辑说明：先拿股票列表，再逐个拉取，存成 Parquet。Parquet 比 CSV 省空间，读取也快。参数上，list_status="L"表示只取上市状态的股票，避免拉到退市的。这里有个优化点：pro.daily()一次只能拉一只，但有些接口支持按日期拉全市场，那种方式更适合做全量回测。4.3 数据校验：拉完不等于能用拉完数据别急着跑策略，先做几项校验：行数是否合理、日期是否连续、价格是否有异常值。下面是一个简单的校验脚本。import pandas as pd df = pd.read_parquet("./data/daily/000001.SZ.parquet") df["trade_date"] = pd.to_datetime(df["trade_date"], format="%Y%m%d") df = df.sort_values("trade_date") # 检查缺失交易日 full_range = pd.date_range(df["trade_date"].min(), df["trade_date"].max(), freq="B") missing = set(full_range) - set(df["trade_date"]) print(f"缺失交易日数量：{len(missing)}") # 检查价格是否为负 neg = df[(df[["open", "high", "low", "close"]] <= 0).any(axis=1)] print(f"异常价格行数：{len(neg)}")这段代码检查两件事：工作日是否有缺失、价格是否有非正数。缺失交易日可能是停牌，也可能是数据没拉到；非正价格基本可以判定为脏数据。校验通过再入库，能省掉后面很多玄学问题。5. 避坑与常见问题：那些年我们踩过的数据接口坑5.1 现象：接口返回空 DataFrame，但代码没报错原因：ts_code格式不对，或者日期区间内确实没有数据。tushare 的股票代码必须带交易所后缀，比如000001.SZ，只写000001会返回空。另外，停牌期间也可能返回空。解决：先确认代码格式，再用trade_cal查一下区间内是否有交易日。如果都没问题，换一只活跃股票试试，排除是单只股票的问题。5.2 现象：频繁请求后接口变慢或返回限流提示原因：tushare 对请求频率有限制，具体阈值和账号权限有关。源码里的重试机制如果没做退避，容易触发限流。解决：在client.py里加请求间隔，比如每次请求后time.sleep(0.3)。批量拉取时用队列控制并发，别开太多线程。我一般会把批量任务放到晚上跑，避开高峰期。5.3 现象：复权价格和行情软件对不上原因：tushare 返回的daily()是不复权价格，需要配合adj_factor()自己算。很多人直接拿close做回测，结果除权日出现巨大跳空。解决：拉取复权因子，按公式后复权价 = 不复权价 × 复权因子 / 最新复权因子计算。或者直接用pro_bar()接口，它内部帮你处理了复权。# 用 pro_bar 直接拿后复权数据 df = ts.pro_bar(ts_code="000001.SZ", adj="hfq", start_date="20230101", end_date="20241231") print(df[["trade_date", "close"]].head())参数adj="hfq"表示后复权，qfq是前复权。回测一般用后复权，避免未来函数。5.4 现象：字段名和文档不一致，KeyError 频发原因：不同版本源码的字段命名可能有调整，或者接口返回的字段比你请求的少。解决：不要硬编码字段名，先用df.columns打印出来看。源码里的fields参数建议显式指定，避免依赖默认值。如果做二次封装，把字段映射单独放一个字典里，改起来方便。5.5 现象：Parquet 文件越存越多，磁盘吃紧原因：每只股票一个文件，全市场几千只就是几千个文件，小文件多了既占空间又影响读取。解决：按年份或按交易所合并，比如daily_2024.parquet存全市场当年数据。或者用分区表，按trade_date分区。我一般按月合并，单文件控制在几百 MB，读取时用pandas的columns参数只读需要的列。6. 二次开发：把接口层改造成自己的数据管道6.1 封装一个带缓存的 DataFeed 类源码里的pro_api()是裸接口，每次调用都走网络。二次开发的第一步，是在外面包一层带缓存的DataFeed。下面是一个简化实现：import os import pandas as pd import tushare as ts class DataFeed: def __init__(self, token, cache_dir="./cache"): ts.set_token(token) self.pro = ts.pro_api() self.cache_dir = cache_dir os.makedirs(cache_dir, exist_ok=True) def daily(self, code, start, end): """优先读本地缓存，没有则请求并落盘""" path = os.path.join(self.cache_dir, f"{code}_{start}_{end}.parquet") if os.path.exists(path): return pd.read_parquet(path) df = self.pro.daily(ts_code=code, start_date=start, end_date=end) if not df.empty: df.to_parquet(path, index=False) return df def adj_daily(self, code, start, end): """后复权行情，内部调用 pro_bar""" return ts.pro_bar(ts_code=code, adj="hfq", start_date=start, end_date=end)这个类的价值在于：策略代码只依赖DataFeed，不直接依赖 tushare。哪天换数据源，改DataFeed内部实现就行。参数上，cache_dir建议放在项目根目录下的data/里，方便统一管理。6.2 加一层字段标准化tushare 返回的字段是英文缩写，不同接口风格还不完全一致。我一般会在DataFeed里加一个_standardize()方法，把列名统一成date, open, high, low, close, volume, amount这种通用格式。COLUMN_MAP = { "trade_date": "date", "vol": "volume", "amount": "amount", "ts_code": "code" } def _standardize(self, df): df = df.rename(columns=COLUMN_MAP) if "date" in df.columns: df["date"] = pd.to_datetime(df["date"], format="%Y%m%d") return df.sort_values("date").reset_index(drop=True)这样上层策略就不用关心数据源字段差异，换接口时只改映射表。表格里列出常用映射关系：原始字段标准字段说明trade_datedate交易日期volvolume成交量（手）amountamount成交额（千元）ts_codecode股票代码6.3 验证改造是否成功改完之后怎么验证？我一般跑三个检查：一是同一只股票，缓存前后数据是否一致；二是复权价格和不复权价格在除权日的比例是否等于复权因子；三是随机抽几个交易日，和行情软件对一下收盘价。这三个过了，基本就能放心用。feed = DataFeed(token=os.environ["TUSHARE_TOKEN"]) df1 = feed.daily("000001.SZ", "20240101", "20240131") df2 = feed.daily("000001.SZ", "20240101", "20240131") # 第二次走缓存 assert df1.equals(df2), "缓存前后不一致" print("缓存校验通过")6.4 一个容易忽略的点：异常处理要分层源码里的异常处理比较粗，网络错误和业务错误混在一起。二次开发时建议分层：网络层抛ConnectionError，业务层抛DataNotFoundError，上层策略只捕获业务异常。这样排查问题时能快速定位是网络挂了还是数据没有。从那以后我每次封装数据接口，都强制先写一个最小可用的DataFeed，跑通缓存和字段标准化再往上叠策略。这个习惯帮我省了很多重复调试的时间。希望帮到你。本文还有配套的精品资源，点击获取
简介：这份资源是 tushare 开源 Python 财经数据接口库的最新源代码包，面向金融数据分析从业者、量化研究者以及希望深入理解数据接口实现原理的开发者。包内共 44 个文件，以 25 个 py 源码文件为核心，辅以 7 个 rst 文档、3 个 txt 说明、2 个 md 文档，以及 makefile、yml、csv、bat、manifest 等配置与测试文件，压缩包约 269KB，结构紧凑、模块划分清晰。目前已有 1494 人学习下载。通过研读源码，读者可以掌握股票、期货、期权、基金、外汇、债券等数据的获取封装方式，理解 HTTP 请求、数据解析与异常处理逻辑；同时能学习 SQLite、MongoDB 等数据库的存储与检索设计，数据清洗、缺失值填充与时间序列处理方案，以及 matplotlib、seaborn 可视化接口的调用方法。多线程与异步 IO 的并发调度、错误处理与日志记录机制也值得借鉴，有助于提升大规模金融数据处理的效率与程序健壮性。1. 从一份源码包说起：tushare 到底能帮你拿到什么数据如果你写过 A 股相关的策略回测，大概率遇到过这种场景：想拉一份完整的日线行情，从某财经页面复制粘贴，格式乱、字段缺、除权除息还得自己算。折腾半天，策略逻辑一行没写，数据清洗倒写了三百行。tushare 这个项目解决的正是这个痛点——它把行情、财务、指数、基金等数据封装成统一的 Python 接口，一行调用就能拿到结构化 DataFrame。这份最新源代码适合两类人：一是想快速搭建数据管道的量化新手，二是想读懂数据接口层设计、准备做二次封装的老手。源码包里通常包含核心请求模块、接口定义、字段映射和示例脚本，拿到手就能本地跑通。2. 项目定位与技术选型：为什么它成了数据接口层的常客2.1 它解决的不是「取数」，而是「统一取数」很多人第一次接触 tushare，以为它就是个爬虫封装。实际拆开源码会发现，它的核心价值在于把不同来源、不同格式、不同频率的数据，统一成一套调用约定。比如日线行情、复权因子、财务指标，在底层可能是完全不同的接口协议，但对外都暴露成pro.daily()、pro.adj_factor()、pro.fina_indicator()这种风格一致的函数。这种设计让策略代码和数据源解耦——哪天某个接口换了地址，你只需要改配置，不用动策略逻辑。从源码结构看，它通常分成三层：最底层是 HTTP 请求与重试机制，中间层是接口路由与参数校验，最上层是面向用户的 API 对象。这种分层在 Python 项目里很常见，但 tushare 做得比较克制，没有过度抽象，读起来不费劲。2.2 技术栈：轻依赖、重约定源码包里的依赖通常不多，核心就是requests做网络请求，pandas做数据容器，simplejson或标准库处理序列化。这种轻依赖的好处是部署成本低，一台普通开发机pip install就能跑。但轻依赖也意味着它不帮你做太多事——比如缓存、并发、断点续传，这些得自己加。我一般会在它的请求层外面包一层本地缓存，用 SQLite 或 Parquet 存已经拉过的数据，避免重复请求。源码里通常留了timeout和retry参数，但默认值偏保守，实际用的时候建议根据网络情况调大。2.3 接口鉴权与 token 机制tushare 的接口大多需要 token，源码里一般会有一个set_token()方法，把 token 存到全局配置或环境变量里。拆开看，它其实就是在请求头里加了一个字段。这里有个容易翻车的点：token 不要硬编码在脚本里，尤其是要提交到代码仓库的时候。常见做法是读环境变量，或者用一个单独的config.py并加入.gitignore。import os import tushare as ts # 从环境变量读取 token，避免硬编码 token = os.environ.get("TUSHARE_TOKEN") if not token: raise ValueError("请先设置 TUSHARE_TOKEN 环境变量") ts.set_token(token) pro = ts.pro_api() # 拉取单只股票日线，指定日期区间 df = pro.daily(ts_code="000001.SZ", start_date="20240101", end_date="20240131") print(df[["trade_date", "open", "close", "vol"]].head())这段代码的逻辑很直白：先拿 token，再初始化 API 对象，最后调具体接口。参数说明上，ts_code是带交易所后缀的股票代码，start_date和end_date格式是YYYYMMDD。返回的 DataFrame 字段名是英文缩写，源码里通常有一份字段映射表，想改成中文列名可以自己写个 rename。3. 目录结构与核心模块拆解：一个请求从发起到返回3.1 源码目录长什么样拿到源码包后，先别急着跑setup.py，花五分钟把目录扫一遍。典型的 tushare 源码结构大致如下：tushare/ ├── __init__.py # 暴露顶层 API，如 pro_api、set_token ├── pro/ │ ├── client.py # 请求客户端，封装 HTTP 调用与重试 │ ├── data_pro.py # 各接口的具体实现，按数据类别分文件 │ └── utils.py # 参数校验、日期处理、字段映射 ├── stock/ │ └── cons.py # 股票列表、交易日历等基础数据 ├── examples/ │ └── demo_daily.py # 官方示例脚本 └── setup.py # 安装配置这个结构不是固定的，不同版本会有调整，但核心思路一致：client.py管通信，data_pro.py管业务，utils.py管工具。读源码时建议从__init__.py入手，看它导出了哪些名字，再顺着调用链往下追。3.2 请求客户端：重试与超时怎么做的client.py是整个项目的咽喉。它通常定义一个Client类，内部持有requests.Session，并在query()方法里处理重试。下面是一段常见的实现风格：import time import requests class Client: def __init__(self, token, timeout=15, max_retry=3): self.token = token self.timeout = timeout self.max_retry = max_retry self.session = requests.Session() self.session.headers.update({"Authorization": f"Bearer {token}"}) def query(self, url, params): """带重试的 GET 请求，失败时指数退避""" for attempt in range(self.max_retry): try: resp = self.session.get(url, params=params, timeout=self.timeout) resp.raise_for_status() return resp.json() except requests.RequestException as e: if attempt == self.max_retry - 1: raise # 指数退避，避免瞬间打满 time.sleep(2 ** attempt)逻辑说明：query()是统一入口，所有接口最终都走这里。参数上，timeout控制单次请求超时，max_retry控制重试次数，2 ** attempt实现指数退避。这里有个细节：raise_for_status()会把 4xx 和 5xx 都抛出来，但实际业务里 4xx 重试没意义，可以加个判断只对 5xx 重试。我一般会改成if resp.status_code >= 500才重试。3.3 接口实现层：参数校验与字段裁剪data_pro.py里通常是一堆方法，每个方法对应一个接口。以daily()为例，它做三件事：校验参数、拼请求、裁剪字段。def daily(self, ts_code=None, trade_date=None, start_date=None, end_date=None): """日线行情，支持单只或按日期区间""" if not ts_code and not trade_date: raise ValueError("ts_code 和 trade_date 至少传一个") params = { "api_name": "daily", "token": self.token, "params": {"ts_code": ts_code, "trade_date": trade_date, "start_date": start_date, "end_date": end_date}, "fields": "ts_code,trade_date,open,high,low,close,vol,amount" } data = self.client.query(self.url, params) return pd.DataFrame(data["items"], columns=data["fields"].split(","))参数说明：ts_code和trade_date是互斥的常用组合，源码里一般会做校验。fields字段控制返回列，不传就返回全部，但全部字段往往很多，按需裁剪能省带宽。返回时用pd.DataFrame包装，列名从fields里切分。这里有个坑：如果接口返回空，data["items"]可能是空列表，直接构造 DataFrame 会得到空表，后续计算要判空。3.4 基础数据模块：交易日历与股票列表stock/cons.py这类文件通常放的是「不常变但每次都要用」的数据，比如交易日历、股票列表、复权因子。这些数据的特点是：拉一次可以缓存很久，但每次策略启动都要读。源码里一般会提供一个trade_cal()接口，返回指定年份的交易日。# 获取 2024 年交易日历，只保留开市日 cal = pro.trade_cal(exchange="SSE", start_date="20240101", end_date="20241231") open_days = cal[cal["is_open"] == 1]["cal_date"].tolist() print(f"2024 年开市天数：{len(open_days)}")这段代码的用途很实际：回测时遍历交易日，而不是遍历自然日。参数exchange指定交易所，is_open为 1 表示开市。我一般会把结果存成 CSV，下次直接读，省得每次都请求。4. 本地跑通与数据落库：从安装到第一份 Parquet4.1 安装与初始化源码包通常支持两种安装方式：pip install .从本地安装，或者直接python setup.py develop做开发模式安装。开发模式的好处是改源码立即生效，不用反复重装。安装完先跑一遍examples/demo_daily.py，确认能拿到数据。# 进入源码目录，开发模式安装 cd tushare-src pip install -e . # 设置 token 后运行示例 export TUSHARE_TOKEN="你的token" python examples/demo_daily.py如果示例报错，先看报错类型：ModuleNotFoundError说明依赖没装全，HTTPError 401说明 token 无效，KeyError说明返回字段和预期不一致。这三种是最常见的。4.2 批量拉取与本地缓存单次拉一只股票没意思，实际用的时候都是批量。下面这段代码演示了如何遍历股票列表，把日线数据存成 Parquet，下次直接读本地。import os import pandas as pd import tushare as ts pro = ts.pro_api() cache_dir = "./data/daily" os.makedirs(cache_dir, exist_ok=True) # 获取全市场股票列表 stocks = pro.stock_basic(exchange="", list_status="L", fields="ts_code") codes = stocks["ts_code"].tolist() for code in codes[:50]: # 先跑 50 只试试 path = os.path.join(cache_dir, f"{code}.parquet") if os.path.exists(path): continue # 已有缓存就跳过 df = pro.daily(ts_code=code, start_date="20230101", end_date="20241231") if df.empty: continue df.to_parquet(path, index=False) print(f"{code} 已缓存 {len(df)} 行")逻辑说明：先拿股票列表，再逐个拉取，存成 Parquet。Parquet 比 CSV 省空间，读取也快。参数上，list_status="L"表示只取上市状态的股票，避免拉到退市的。这里有个优化点：pro.daily()一次只能拉一只，但有些接口支持按日期拉全市场，那种方式更适合做全量回测。4.3 数据校验：拉完不等于能用拉完数据别急着跑策略，先做几项校验：行数是否合理、日期是否连续、价格是否有异常值。下面是一个简单的校验脚本。import pandas as pd df = pd.read_parquet("./data/daily/000001.SZ.parquet") df["trade_date"] = pd.to_datetime(df["trade_date"], format="%Y%m%d") df = df.sort_values("trade_date") # 检查缺失交易日 full_range = pd.date_range(df["trade_date"].min(), df["trade_date"].max(), freq="B") missing = set(full_range) - set(df["trade_date"]) print(f"缺失交易日数量：{len(missing)}") # 检查价格是否为负 neg = df[(df[["open", "high", "low", "close"]] <= 0).any(axis=1)] print(f"异常价格行数：{len(neg)}")这段代码检查两件事：工作日是否有缺失、价格是否有非正数。缺失交易日可能是停牌，也可能是数据没拉到；非正价格基本可以判定为脏数据。校验通过再入库，能省掉后面很多玄学问题。5. 避坑与常见问题：那些年我们踩过的数据接口坑5.1 现象：接口返回空 DataFrame，但代码没报错原因：ts_code格式不对，或者日期区间内确实没有数据。tushare 的股票代码必须带交易所后缀，比如000001.SZ，只写000001会返回空。另外，停牌期间也可能返回空。解决：先确认代码格式，再用trade_cal查一下区间内是否有交易日。如果都没问题，换一只活跃股票试试，排除是单只股票的问题。5.2 现象：频繁请求后接口变慢或返回限流提示原因：tushare 对请求频率有限制，具体阈值和账号权限有关。源码里的重试机制如果没做退避，容易触发限流。解决：在client.py里加请求间隔，比如每次请求后time.sleep(0.3)。批量拉取时用队列控制并发，别开太多线程。我一般会把批量任务放到晚上跑，避开高峰期。5.3 现象：复权价格和行情软件对不上原因：tushare 返回的daily()是不复权价格，需要配合adj_factor()自己算。很多人直接拿close做回测，结果除权日出现巨大跳空。解决：拉取复权因子，按公式后复权价 = 不复权价 × 复权因子 / 最新复权因子计算。或者直接用pro_bar()接口，它内部帮你处理了复权。# 用 pro_bar 直接拿后复权数据 df = ts.pro_bar(ts_code="000001.SZ", adj="hfq", start_date="20230101", end_date="20241231") print(df[["trade_date", "close"]].head())参数adj="hfq"表示后复权，qfq是前复权。回测一般用后复权，避免未来函数。5.4 现象：字段名和文档不一致，KeyError 频发原因：不同版本源码的字段命名可能有调整，或者接口返回的字段比你请求的少。解决：不要硬编码字段名，先用df.columns打印出来看。源码里的fields参数建议显式指定，避免依赖默认值。如果做二次封装，把字段映射单独放一个字典里，改起来方便。5.5 现象：Parquet 文件越存越多，磁盘吃紧原因：每只股票一个文件，全市场几千只就是几千个文件，小文件多了既占空间又影响读取。解决：按年份或按交易所合并，比如daily_2024.parquet存全市场当年数据。或者用分区表，按trade_date分区。我一般按月合并，单文件控制在几百 MB，读取时用pandas的columns参数只读需要的列。6. 二次开发：把接口层改造成自己的数据管道6.1 封装一个带缓存的 DataFeed 类源码里的pro_api()是裸接口，每次调用都走网络。二次开发的第一步，是在外面包一层带缓存的DataFeed。下面是一个简化实现：import os import pandas as pd import tushare as ts class DataFeed: def __init__(self, token, cache_dir="./cache"): ts.set_token(token) self.pro = ts.pro_api() self.cache_dir = cache_dir os.makedirs(cache_dir, exist_ok=True) def daily(self, code, start, end): """优先读本地缓存，没有则请求并落盘""" path = os.path.join(self.cache_dir, f"{code}_{start}_{end}.parquet") if os.path.exists(path): return pd.read_parquet(path) df = self.pro.daily(ts_code=code, start_date=start, end_date=end) if not df.empty: df.to_parquet(path, index=False) return df def adj_daily(self, code, start, end): """后复权行情，内部调用 pro_bar""" return ts.pro_bar(ts_code=code, adj="hfq", start_date=start, end_date=end)这个类的价值在于：策略代码只依赖DataFeed，不直接依赖 tushare。哪天换数据源，改DataFeed内部实现就行。参数上，cache_dir建议放在项目根目录下的data/里，方便统一管理。6.2 加一层字段标准化tushare 返回的字段是英文缩写，不同接口风格还不完全一致。我一般会在DataFeed里加一个_standardize()方法，把列名统一成date, open, high, low, close, volume, amount这种通用格式。COLUMN_MAP = { "trade_date": "date", "vol": "volume", "amount": "amount", "ts_code": "code" } def _standardize(self, df): df = df.rename(columns=COLUMN_MAP) if "date" in df.columns: df["date"] = pd.to_datetime(df["date"], format="%Y%m%d") return df.sort_values("date").reset_index(drop=True)这样上层策略就不用关心数据源字段差异，换接口时只改映射表。表格里列出常用映射关系：原始字段标准字段说明trade_datedate交易日期volvolume成交量（手）amountamount成交额（千元）ts_codecode股票代码6.3 验证改造是否成功改完之后怎么验证？我一般跑三个检查：一是同一只股票，缓存前后数据是否一致；二是复权价格和不复权价格在除权日的比例是否等于复权因子；三是随机抽几个交易日，和行情软件对一下收盘价。这三个过了，基本就能放心用。feed = DataFeed(token=os.environ["TUSHARE_TOKEN"]) df1 = feed.daily("000001.SZ", "20240101", "20240131") df2 = feed.daily("000001.SZ", "20240101", "20240131") # 第二次走缓存 assert df1.equals(df2), "缓存前后不一致" print("缓存校验通过")6.4 一个容易忽略的点：异常处理要分层源码里的异常处理比较粗，网络错误和业务错误混在一起。二次开发时建议分层：网络层抛ConnectionError，业务层抛DataNotFoundError，上层策略只捕获业务异常。这样排查问题时能快速定位是网络挂了还是数据没有。从那以后我每次封装数据接口，都强制先写一个最小可用的DataFeed，跑通缓存和字段标准化再往上叠策略。这个习惯帮我省了很多重复调试的时间。希望帮到你。本文还有配套的精品资源，点击获取