2、数据获取基础：使用Tushare/AkShare获取A股日线行情数据、数据清洗与预处理

做量化交易，第一步就是搞定数据。没有数据，再牛的策略也是空中楼阁。

我个人习惯把数据获取比作「做饭前的买菜」。菜不新鲜，或者买错了，后面炒菜再厉害也白搭。今天我们就聊聊怎么用 Python 把 A 股的日线行情数据「买」回来，再「洗」干净。

2.1 两大主流数据源：Tushare vs AkShare

国内做量化，绕不开这两个库。我当年刚入行时，数据源还靠手动下载 Excel，现在想想真是原始人。

对比项	Tushare	AkShare
数据丰富度	非常全面，含财务、因子等	覆盖广，包含另类数据
使用门槛	需注册获取 token，部分接口收费	开源免费，pip install 即用
数据质量	较高，有专业团队维护	依赖爬虫，偶有异常值
适合场景	专业研究、实盘策略	快速原型、学习练手

说白了，如果你只是自己研究玩玩，AkShare 完全够用。但如果是做产品或者跑实盘，我建议用 Tushare Pro，数据更稳。

2.2 实战：用 Tushare 获取日线数据

先装库：pip install tushare。然后去官网注册，拿到你的 token。

import tushare as ts

# 初始化（token 换成你自己的）
pro = ts.pro_api('你的token')

# 获取平安银行 2024年1月 日线数据
df = pro.daily(
    ts_code='000001.SZ',
    start_date='20240101',
    end_date='20240131'
)

print(df.head())

输出长这样：

   ts_code trade_date  open  high   low  close  pre_close  change  pct_chg  vol  amount
0  000001.SZ   20240131  9.50  9.55  9.30   9.35       9.48   -0.13   -1.37  123456  1.17e+09
1  000001.SZ   20240130  9.60  9.65  9.45   9.48       9.58   -0.10   -1.04  98765  9.38e+08

嗯，这里要注意：Tushare 返回的字段名是英文的，vol 是成交量（手），amount 是成交额（元）。我刚开始做回测时，就搞混过单位，结果算出来的仓位全错了。

2.3 实战：用 AkShare 获取日线数据

AkShare 更简单，不用注册，直接装库就能用。

import akshare as ak

# 获取平安银行日线数据
df = ak.stock_zh_a_hist(
    symbol="000001",
    period="daily",
    start_date="20240101",
    end_date="20240131",
    adjust="qfq"  # 前复权
)

print(df.head())

输出字段是中文的，看着更亲切：

   日期    开盘    收盘    最高    最低    成交量    成交额    振幅    涨跌幅    涨跌额    换手率
0  2024-01-31  9.50  9.35  9.55  9.30  123456  1.17e+09  2.64  -1.37  -0.13  0.85

2.4 数据清洗：把脏数据洗干净

数据拿到手，别急着用。你想想看，网络波动、停牌、除权除息……各种情况都会导致数据异常。我曾经有一次回测跑出来年化 200%，兴奋得不行，结果发现是数据里混入了空值，算收益率时全乱了。

清洗步骤一般分三步：

1. 处理缺失值——停牌日的数据通常是 NaN
2. 处理异常值——比如某天涨幅超过 100% 这种明显错误
3. 统一格式——日期转 datetime，数值转 float

import pandas as pd

# 假设 df 是从 Tushare 拿到的原始数据
df = df.sort_values('trade_date')  # 按日期排序

# 1. 检查缺失值
print(df.isnull().sum())

# 2. 填充或删除缺失值
# 停牌日：用前一天的收盘价填充
df['close'].fillna(method='ffill', inplace=True)

# 3. 处理异常值：涨幅超过 ±10% 的标记为异常
df['pct_chg'] = df['pct_chg'].astype(float)
df.loc[df['pct_chg'].abs() > 10, 'pct_chg'] = None

# 4. 日期统一
df['trade_date'] = pd.to_datetime(df['trade_date'])

print(df.info())

2.5 数据预处理：为策略分析做准备

数据洗干净了，接下来就是「加工」环节。说白了，就是把原始数据变成能直接喂给策略的格式。

常用的预处理操作：

• 计算收益率：df['return'] = df['close'].pct_change()
• 计算移动平均线：df['ma5'] = df['close'].rolling(5).mean()
• 计算成交量变化率：df['vol_ratio'] = df['vol'] / df['vol'].shift(1)
• 标记主力资金流向：结合大单数据（这个后面章节会细讲）

# 完整预处理示例
def preprocess_stock_data(df):
    """数据预处理函数"""
    # 排序
    df = df.sort_values('trade_date').reset_index(drop=True)
    
    # 计算收益率
    df['daily_return'] = df['close'].pct_change()
    
    # 计算均线
    df['ma5'] = df['close'].rolling(5).mean()
    df['ma20'] = df['close'].rolling(20).mean()
    
    # 计算成交量均线
    df['vol_ma5'] = df['vol'].rolling(5).mean()
    
    # 标记放量（成交量超过5日均量2倍）
    df['volume_surge'] = (df['vol'] > df['vol_ma5'] * 2).astype(int)
    
    return df

df_clean = preprocess_stock_data(df)
print(df_clean[['trade_date', 'close', 'daily_return', 'volume_surge']].tail())

2.6 本章知识体系总览

下面这张图，是我自己总结的数据获取与处理流程。每次做新项目，我都会先过一遍这个框架。

好了，数据基础就聊到这儿。记住一句话：垃圾数据进，垃圾策略出。把数据搞扎实了，后面的分析才能站得住脚。

---

公众号:蓝海资料掘金营，微信deep3321