第二章：数据获取实战——用akshare抓取A股实时资金流向

好，咱们直接进入正题。上一章讲了资金流向的基本逻辑，这一章我来手把手带你搞定数据源。说白了，没有数据，再牛的分析思路也是空中楼阁。

我个人习惯用akshare这个库。为什么？因为它免费、开源，而且对A股的支持相当全面。你想想看，要是每次分析都得去券商接口付费，那成本就太高了。

2.1 安装与配置：别在这步翻车

安装其实就一行命令，但我见过太多人在这一步卡住。嗯，这里要注意环境问题。

pip install akshare --upgrade

我个人建议用国内镜像源，速度会快很多：

pip install akshare -i https://pypi.tuna.tsinghua.edu.cn/simple

验证安装是否成功，跑一行代码试试：

import akshare as ak
print(ak.__version__)

如果能正常输出版本号，恭喜你，环境搞定了。

2.2 API调用详解：核心函数拆解

akshare里跟资金流向相关的函数有好几个，但我最常用的是 stock_individual_fund_flow 和 stock_market_fund_flow。前者是个股，后者是大盘。

先看个股资金流向：

import akshare as ak

# 获取贵州茅台当日资金流向
df = ak.stock_individual_fund_flow(stock="600519", market="sh")
print(df.head())

返回的数据长这样：

日期	主力净流入	小单净流入	中单净流入	大单净流入	超大单净流入
2025-01-15	1.23亿	-0.45亿	-0.78亿	0.56亿	0.67亿

再看大盘资金流向：

# 获取全市场资金流向
df_market = ak.stock_market_fund_flow()
print(df_market)

这个函数返回的是整个市场的资金汇总数据，包括上证、深证、创业板等。我一般用它来判断当天市场的整体情绪。

2.3 参数详解：别被坑了

这里有几个参数我特别想强调一下：

• stock：股票代码，注意是字符串格式。沪市要加"sh"，深市加"sz"？其实不用，akshare会自动识别。
• market：这个参数在个股函数里其实可以省略，但我习惯写上，避免歧义。
• start_date 和 end_date：可以获取历史数据，格式是"YYYY-MM-DD"。

2.4 实战案例：抓取并保存数据

光说不练假把式。我写一个完整的脚本，把数据存到CSV里，方便后续分析。

import akshare as ak
import pandas as pd
from datetime import datetime, timedelta

# 获取最近5个交易日的数据
end_date = datetime.now().strftime("%Y-%m-%d")
start_date = (datetime.now() - timedelta(days=10)).strftime("%Y-%m-%d")

# 个股资金流向
stock_code = "600519"
df_stock = ak.stock_individual_fund_flow(
    stock=stock_code,
    start_date=start_date,
    end_date=end_date
)

# 保存到CSV
df_stock.to_csv(f"{stock_code}_fund_flow.csv", index=False)
print(f"数据已保存，共{len(df_stock)}条记录")

跑完这个脚本，你就能得到一个CSV文件。打开看看，数据是不是很规整？

2.5 常见问题与避坑

我遇到过几个坑，今天一并告诉你：

1. 数据延迟问题：akshare的数据来源是东方财富，大概有15-30分钟的延迟。做日内交易要注意。
2. 网络请求失败：有时候会报ConnectionError。我建议加个重试机制。
3. 字段含义变化：akshare偶尔会更新字段名。我习惯每次运行前先打印列名看看。

2.6 知识体系总览

下面这张图是我自己画的，把本章的核心逻辑串起来了。你看一眼就能明白数据是怎么从接口到分析的。

这张图其实就说明白了：数据从akshare接口来，分个股和大盘两条线，最终都汇聚到实战策略里。你后面做分析的时候，脑子里要有这个框架。

好了，数据获取这块就讲到这里。代码你都拿到了，回去跑一遍试试。下一章咱们会讲怎么清洗和预处理这些数据——嗯，你会发现原始数据其实挺脏的。

---