---

使用Python从通达信获取股票数据：完整实现与解析

在量化交易和金融数据分析领域，获取高质量的市场数据是第一步。本文将介绍如何使用Python通过通达信API获取股票历史数据，并将其保存为便于分析的格式。

背景与技术栈

股票数据获取是量化投资、技术分析和金融研究的基础。通达信作为国内广泛使用的金融交易软件，提供了丰富的行情数据接口。我们可以通过pytdx库来访问这些数据，结合Pandas进行数据处理，构建一个完整的数据获取流程。

本文使用的技术栈包括：

• pytdx：通达信行情数据接口库
• pandas：数据处理与分析库
• os：文件与目录操作库

代码实现与解析

下面是完整的股票数据下载代码，我们将逐步解析其功能：

import os
from pytdx.hq import TdxHq_API
import pandas as pd

def download_stock_data():
    # 确保data目录存在
    os.makedirs('./data', exist_ok=True)
    
    # 连接通达信行情服务器
    api = TdxHq_API()
    try:
        with api.connect('124.71.163.106', 7709):  # 默认服务器
            # 获取上证指数(000001)的日线数据
            # 参数说明：9表示日线，0表示市场(0=深圳,1=上海)，'000001'是证券代码，0表示起始索引，800表示获取数量
            data = api.get_security_bars(9, 0, '000001', 0, 800)
            
            # 转换为DataFrame以便处理
            df = pd.DataFrame(data, columns=['datetime', 'open', 'high', 'low', 'close', 'amount', 'volume'])
            # 将时间戳转换为可读的日期时间格式
            df['datetime'] = pd.to_datetime(df['datetime'])
            
            # 保存到CSV文件
            output_path = os.path.join('./data', 'sh000001.csv')
            df.to_csv(output_path, index=False)
            print(f"数据已保存到: {output_path}")
            
    except Exception as e:
        print(f"下载数据时出错: {e}")

if __name__ == '__main__':
    download_stock_data()

代码功能详解

1. 环境准备与数据目录创建

import os
from pytdx.hq import TdxHq_API
import pandas as pd

os.makedirs('./data', exist_ok=True)

• 首先导入所需的库：os用于文件操作，pytdx.hq中的TdxHq_API用于连接通达信服务器，pandas用于数据处理
• os.makedirs('./data', exist_ok=True)确保程序运行时有一个存放数据的目录，如果目录已存在则不会报错

2. 连接通达信行情服务器

api = TdxHq_API()
try:
    with api.connect('124.71.163.106', 7709):
        # 数据获取逻辑

• 创建TdxHq_API实例并使用connect方法连接服务器
• 这里使用了上下文管理器(with语句)，确保即使出现异常也能正确关闭连接
• 服务器地址和端口号是通达信的公共行情服务器，可能需要根据实际情况调整

3. 获取股票历史数据

data = api.get_security_bars(9, 0, '000001', 0, 800)

• get_security_bars是获取历史K线数据的核心方法，参数说明：
  • 第一个参数9表示获取日线数据(1=1分钟线, 2=5分钟线, 3=15分钟线, 4=30分钟线, 5=60分钟线, 9=日线)
  • 第二个参数0表示市场类型(0=深圳市场, 1=上海市场)
  • 第三个参数'000001'是证券代码，这里获取的是上证指数
  • 第四个参数0是起始索引，用于分页获取
  • 第五个参数800是获取数据的数量限制

4. 数据处理与保存

df = pd.DataFrame(data, columns=['datetime', 'open', 'high', 'low', 'close', 'amount', 'volume'])
df['datetime'] = pd.to_datetime(df['datetime'])

output_path = os.path.join('./data', 'sh000001.csv')
df.to_csv(output_path, index=False)

• 将获取到的数据转换为Pandas的DataFrame格式，便于后续分析处理
• 数据包含的字段：时间戳、开盘价、最高价、最低价、收盘价、成交金额和成交量
• 使用pd.to_datetime将时间戳转换为可读的日期时间格式
• 最后将数据保存为CSV文件，index=False参数表示不保存索引列

5. 异常处理机制

except Exception as e:
    print(f"下载数据时出错: {e}")

• 完整的异常处理确保程序在网络问题或服务器错误时能够优雅地处理错误
• 打印错误信息有助于调试和问题排查

扩展应用：获取多只股票数据

上述代码仅获取了上证指数的数据，实际应用中我们可能需要获取多只股票的数据。下面是一个扩展版本，可以获取多个股票的数据：

import os
from pytdx.hq import TdxHq_API
import pandas as pd

def download_stock_data(stock_codes):
    """
    下载多只股票的历史数据
    
    参数:
    stock_codes: 股票代码列表，格式为['000001', '600000', ...]
    """
    os.makedirs('./data', exist_ok=True)
    api = TdxHq_API()
    
    try:
        with api.connect('124.71.163.106', 7709):
            for code in stock_codes:
                # 确定市场类型(0=深圳,1=上海)
                market = 0 if code.startswith('00') or code.startswith('30') else 1
                
                # 获取数据
                data = api.get_security_bars(9, market, code, 0, 800)
                
                if not data:
                    print(f"无法获取股票 {code} 的数据")
                    continue
                    
                # 转换为DataFrame
                df = pd.DataFrame(data, columns=['datetime', 'open', 'high', 'low', 'close', 'amount', 'volume'])
                df['datetime'] = pd.to_datetime(df['datetime'])
                
                # 保存数据，上海股票代码前加'sh'，深圳股票前加'sz'
                prefix = 'sh' if market == 1 else 'sz'
                output_path = os.path.join('./data', f'{prefix}{code}.csv')
                df.to_csv(output_path, index=False)
                print(f"已保存 {code} 的数据到 {output_path}")
                
    except Exception as e:
        print(f"下载数据时出错: {e}")

if __name__ == '__main__':
    # 示例：获取几只热门股票的数据
    stocks = ['000001', '600000', '000002', '600009']
    download_stock_data(stocks)

使用注意事项

1. 环境安装：

   pip install pytdx pandas
   

2. 服务器连接：

   • 通达信服务器可能会变更，若连接失败可尝试其他服务器地址
   • 可以在pytdx库的源码中查找更多服务器地址

3. 数据限制：

   • 每次获取的数据量有限制(如示例中的800条)，如需更多数据需要分页获取
   • 频繁请求可能导致IP被限制，建议添加延时

4. 合规性：

   • 请确保您的使用方式符合相关法律法规和数据服务条款
   • 商业用途可能需要获得额外授权

后续数据处理与分析

获取数据后，您可以进行各种分析：

1. 基本数据查看：

   df = pd.read_csv('./data/sh000001.csv')
   print(df.head())
   print(df.describe())
   

2. 数据可视化：

   import matplotlib.pyplot as plt
   plt.figure(figsize=(12, 6))
   plt.plot(df['datetime'], df['close'])
   plt.title('上证指数收盘价走势')
   plt.xlabel('日期')
   plt.ylabel('收盘价')
   plt.grid(True)
   plt.show()
   

3. 技术指标计算：

   # 计算5日和20日移动平均线
   df['MA5'] = df['close'].rolling(window=5).mean()
   df['MA20'] = df['close'].rolling(window=20).mean()
   

通过这种方式获取的股票数据可以用于开发交易策略、进行技术分析、构建量化模型等多种场景。结合Python的强大数据处理能力，您可以轻松地从市场数据中挖掘有价值的信息。