以下是使用 qstock 获取问财数据的详细教程，结合了多个来源的实用信息：

---

一、安装与配置

1. 安装 qstock
   通过 pip 安装或更新至最新版本（当前最新开源版本为 1.3.5）：

   pip install qstock
   pip install --upgrade qstock
   

   • 部分高级功能（如策略回测）需知识星球会员获取离线包。

2. 导入模块

   import qstock as qs
   

---

二、核心函数：wencai()

通过 qs.wencai() 实现自然语言选股，支持技术指标、财务数据、形态分析等多维度条件筛选。

1. 基本语法

df = qs.wencai('选股条件')

• 参数要求：条件需用字符串格式，多个条件用逗号/分号/空格分隔。
• 返回数据：以 DataFrame 格式输出符合条件的股票及相关指标。

---

三、常用场景与代码示例

1. 涨停复盘

# 筛选近1个月上市的涨停股（排除ST）
df = qs.wencai('涨停，非ST，上市时间大于1个月')
df[['股票简称', '最新价', '涨停原因类别', '涨停封单额']]

• 示例结果：返回涨停股的关键信息，如封单额、涨停天数等。

2. 阶段表现分析

# 筛选250日内创新高的股票
df = qs.wencai('250日新高，非ST，沪深A，上市时间超过250天')
df[['股票代码', '最新价', '技术形态']]

• 应用场景：追踪长期趋势强势股。

3. 技术指标组合选股

# 均线多头排列 + MACD金叉 + 高换手率
df = qs.wencai('均线多头排列，MACD金叉，换手率大于5%')

• 支持指标：均线、MACD、KDJ、RSI 等。

4. 财务指标筛选

# 高增长企业筛选（营收增长>10%，ROE>15%）
df = qs.wencai('营业收入增长率>10%，加权净资产收益率>15%')
df[['股票简称', '营业利润增长率', '净资产收益率']]

• 财务指标：市盈率、市净率、ROE、资产负债率等。

5. 其他数据获取

• 新股数据：qs.wencai('上市时间不足一个月新股')
• 可转债数据：qs.wencai('可转债')
• 基金排名：qs.wencai('基金涨幅排名')

---

四、数据来源与功能特性

1. 数据源：整合东方财富、同花顺、新浪财经等公开数据。
2. 功能模块：
   • 数据获取（data）：支持股票、基金、期货等多品类数据。
   • 可视化（plot）：基于 Web 的交互式图表。
   • 选股（stock）：技术面、基本面、形态选股策略。
   • 回测（backtest）：向量化与事件驱动框架（部分需会员）。

---

五、注意事项

1. 条件输入规范：避免复杂语句，优先使用问财官网支持的筛选条件。
2. 错误处理：若安装后报错，建议检查版本或重新安装依赖库（参考网页3用户报错案例）。
3. 数据更新：部分实时数据需依赖第三方接口，可能存在延迟。

---

六、扩展学习

• 官方文档：参考 GitHub 仓库 qstock 及系列教程。
• 实战案例：通过公众号“Python金融量化”获取策略选股和回测高级教程。

通过上述步骤，可快速掌握 qstock 调用问财数据的方法，适用于量化分析、策略研究等场景。