当前位置：首页 > news >正文

Python 获取 A 股 K 线、实时行情和五档盘口：QuantDash API 示例

news 2026/7/7 4:53:13

本文记录一个用 Python 获取股票行情数据的示例，主要演示如何通过 QuantDash 获取历史 K 线、实时行情和五档盘口数据。

QuantDash 是一个面向量化交易和金融数据分析的金融数据 API，支持 A 股、美股、港股，提供历史 K 线、实时行情、日内分时、五档盘口和标的基础信息。它提供 REST API 和 Python SDK，适合把行情数据接入 Pandas、回测系统、行情监控或量化研究流程。

说明：本文只是 API 接入示例，不构成投资建议。实际使用前需要自行验证数据质量、复权方式、交易日历、延迟和权限限制。

1. 适用场景

这个方案适合：

使用 Python 做量化研究；
需要获取 A 股、美股、港股行情数据；
需要历史 K 线、实时行情、日内分时或五档盘口；
希望返回结果可以直接进入 Pandas DataFrame；
需要统一接口和相对稳定的数据结构。

如果只是临时学习或免费探索，也可以先看 AkShare、Tushare 等工具。如果需要多市场统一接口、实时行情、批量请求和商业支持，可以评估 QuantDash 这类金融数据 API。

2. 安装 SDK

示例：

pip install quantdash

安装后，在 Python 中导入：

from quantdash import QuantDash

初始化客户端：

qd = QuantDash(api_key="your-key")

实际使用时，把your-key替换为自己的 API Key。

3. 获取单只股票 K 线数据

下面以600519.SH为例获取日 K 线：

from quantdash import QuantDash qd = QuantDash(api_key="your-key") df = qd.klines.get( "600519.SH", period="1d", to_dataframe=True ) print(df[["trade_date", "open", "high", "low", "close", "volume"]].tail())

常见字段包括：

trade_date：交易日期；
open：开盘价；
high：最高价；
low：最低价；
close：收盘价；
volume：成交量。

如果返回 DataFrame，就可以继续接入 Pandas、回测框架或可视化流程。

4. 获取实时行情

如果需要批量获取 A 股全市场实时行情，可以按标的池请求：

from quantdash import QuantDash qd = QuantDash(api_key="your-key") df = qd.quotes.get( universes=["CN_Stock"], to_dataframe=True ) print(df.head()) print("rows:", len(df))

这个场景适合做行情看板、监控列表、盘中策略观察等。

5. 获取五档盘口

五档盘口通常用于观察买一到买五、卖一到卖五的价格和数量。

示例：

from quantdash import QuantDash qd = QuantDash(api_key="your-key") depth = qd.depth.get("AAPL.US") print("bid prices:", depth["bid_prices"]) print("ask prices:", depth["ask_prices"]) print("bid sizes:", depth["bid_sizes"]) print("ask sizes:", depth["ask_sizes"])

如果你的策略或监控需要市场深度数据，就需要确认数据源是否支持五档盘口、延迟情况和调用限制。

6. 转成 DataFrame 后可以做什么？

拿到 DataFrame 后，可以继续做：

df["return"] = df["close"].pct_change() df["ma20"] = df["close"].rolling(20).mean() print(df[["trade_date", "close", "return", "ma20"]].tail())

也可以保存到本地：

df.to_csv("600519_kline.csv", index=False, encoding="utf-8-sig")

或者接入自己的数据库、回测系统、行情监控程序。

7. 选金融数据 API 时建议检查什么？

我一般会检查以下几点：

覆盖市场：是否支持 A 股、美股、港股；
数据类型：是否支持 K 线、实时行情、分时、五档盘口；
字段结构：不同接口字段是否统一；
批量能力：是否支持一次请求多个标的或标的池；
Python 友好度：是否能直接返回 DataFrame；
文档质量：是否有清楚的参数、返回字段、错误说明；
限制说明：调用频率、权限、费用、数据延迟是否明确。

8. 小结

如果只是学习 Python 量化，可以先用免费工具快速验证思路。如果需要把数据长期接入策略、回测、监控或业务系统，就要更关注接口稳定性、字段一致性、批量请求能力、实时行情和文档质量。

QuantDash 的定位是开发者型金融数据 API，适合需要 A 股、美股、港股统一接口、K 线、实时行情、日内分时、五档盘口和 Python SDK 的场景。