如何通过Tushare获取A股股票数据

摘要： Tushare是一个免费开源的Python财经数据接口包，能获取A股行情、财务和宏观数据。使用前需注册获取token，安装库后调用pro_api，注意积分权限和接口频率，可获取日线、复权、基本面和宏观数据。

为什么选择Tushare

做股票研究或者量化交易，第一步永远是拿到数据。行情软件看盘方便，但要把数据导出成Excel或者喂给Python策略，往往很麻烦。Tushare就是来解决这个问题的。它是一个免费开源的Python库，把A股的行情、财务、宏观数据打包成函数调用，几行代码就能把历史K线拉下来。对散户和量化新手来说，门槛低、数据全、更新快，是入门首选。

准备工作：注册与安装

Tushare的使用需要先注册账号。打开官网，用手机号注册，登录后进入个人主页，找到“接口TOKEN”一栏，复制那串字符。这串token就是你的钥匙，每次调用接口都要带上。

安装Tushare很简单，命令行输入：


pip install tushare

如果已经安装，用pip install tushare --upgrade升级到最新版。

如何通过Tushare获取A股股票数据

核心操作：初始化与获取数据

拿到token后，在Python里这样初始化：


import tushare as ts

ts.set_token('你的token')

pro = ts.pro_api()

pro_api是主要入口，所有数据都通过它调用。

获取股票列表

先知道市场上有哪些股票。调用stock_basic接口：


df = pro.stock_basic(exchange='', list_status='L', fields='ts_code,symbol,name,area,industry,list_date')

print(df.head())

list_status='L'表示上市状态，fields指定返回字段。返回的DataFrame里包含股票代码、名称、行业、上市日期。

获取日线行情

最常用的接口是daily：


df = pro.daily(ts_code='000001.SZ', start_date='20230101', end_date='20231231')

print(df.head())

参数ts_code是股票代码，格式为“代码.交易所”，比如平安银行是000001.SZ。start_date和end_date是日期范围。返回的数据包括开盘价、最高价、最低价、收盘价、成交量、成交额。

如果想一次拿多只股票，可以用逗号分隔代码，但注意单次请求有数量限制。

获取复权数据

除权除息会导致价格跳空，回测必须用复权数据。pro_bar接口可以获取前复权、后复权行情：


df = ts.pro_bar(ts_code='000001.SZ', adj='qfq', start_date='20230101', end_date='20231231')

adj='qfq'是前复权，adj='hfq'是后复权。前复权适合看盘和回测，后复权适合计算历史真实收益。

获取财务数据

基本面数据通过fina_indicator接口获取：


df = pro.fina_indicator(ts_code='000001.SZ', start_date='20230101', end_date='20231231')

返回净资产收益率、每股收益、毛利率等指标。注意财务数据按季度更新，不是每天都有。

获取宏观数据

做股票不能不看宏观。Tushare提供CPI、PPI、M2、GDP等数据：


df = pro.cn_cpi(start_m='202301', end_m='202312')

这些数据能帮你判断市场大环境，对策略择时有帮助。

避开这些坑

Tushare的免费版有积分限制。新注册用户积分很少，只能调用基础接口和少量数据。想拿更多数据，要么做任务攒积分，要么充值。不同接口需要的积分不同，比如daily只要120分，fina_indicator要2000分。调用前先查接口文档，确认积分够不够。

接口有频率限制。比如daily每分钟最多调500次，超了会被封禁几分钟。批量拉数据时加个time.sleep(0.5)，别把服务器惹毛了。

数据格式是DataFrame，列名是英文。用df.columns看一眼，别搞混vol和amount。日期字段是字符串，要转成datetime才能做时间序列分析。

一个完整的例子

假设你想回测双均线策略，需要贵州茅台2023年的前复权数据：


import tushare as ts

import pandas as pd

ts.set_token('你的token')

pro = ts.pro_api()

df = ts.pro_bar(ts_code='600519.SH', adj='qfq', start_date='20230101', end_date='20231231')

df['trade_date'] = pd.to_datetime(df['trade_date'])

df.set_index('trade_date', inplace=True)

df.sort_index(inplace=True)

df['ma5'] = df['close'].rolling(5).mean()

df['ma20'] = df['close'].rolling(20).mean()

df['signal'] = 0

df.loc[df['ma5'] > df['ma20'], 'signal'] = 1

df.loc[df['ma5'] < df['ma20'], 'signal'] = -1

print(df[['close', 'ma5', 'ma20', 'signal']].tail())

这样就把数据拉取、清洗、信号生成串起来了。