第3章：Level2数据解密：数据结构总览
说实话，刚接触Level2数据的时候，我也挺懵的。
一堆字段、几种不同的数据类型、还有各种存储格式……说白了，就像给你一堆乐高零件，但没给图纸。这一章，我就带你把这堆零件理清楚，看看它们到底长什么样、怎么拼在一起。
3.1 核心字段解析：四个关键数据流
Level2数据里，最核心的其实是四个东西：逐笔成交、逐笔委托、委托队列、资金流向。我当年在搭建实盘回测系统时，就是靠这四个字段把盘口逻辑串起来的。
3.1.1 逐笔成交
这个最简单，也最直观。每一笔真实的成交记录，都会生成一条数据。它告诉你：什么时间、什么价格、成交了多少手、是主动买还是主动卖。
| 字段 | 含义 | 示例 |
|---|---|---|
| 时间 | 精确到毫秒 | 09:30:01.250 |
| 价格 | 成交价 | 10.25 |
| 数量 | 成交手数 | 200 |
| 方向 | 主动买/主动卖 | B / S |
3.1.2 逐笔委托
这个比成交更早一步。它记录的是每一笔挂单的提交和撤销。说白了，就是「谁想买、谁想卖、挂了多少、后来撤了没」。
- 委托时间：挂单进入交易所的时间
- 委托价格：挂单价格
- 委托数量：挂单手数
- 委托方向：买 / 卖
- 委托状态：已成交 / 已撤销 / 部分成交
3.1.3 委托队列
这个字段很多人容易忽略，但它其实特别有用。委托队列展示的是买一和卖一的前50档挂单明细。你可以看到：谁在排队、排了多少、有没有大单在顶。
举个例子：如果卖一位置突然出现一笔5000手的卖单，但价格没变，那大概率是有人在压盘。我曾在一次量化策略中，利用委托队列的「撤单率」来识别虚假挂单，效果还不错。
3.1.4 资金流向
资金流向其实是基于逐笔成交计算出来的。它把成交按「主动买」和「主动卖」分类，然后统计净流入/流出。
- 主力净流入：大单主动买入 - 大单主动卖出
- 散户净流入：小单主动买入 - 小单主动卖出
- 超大单：单笔成交 >= 500手
3.2 数据存储格式：CSV vs Parquet
数据拿到了，怎么存？这是个现实问题。我个人习惯用两种格式：CSV 和 Parquet。各有各的适用场景。
3.2.1 CSV：简单但慢
CSV 的好处是通用、可读性强。随便一个文本编辑器就能打开。但缺点也很明显：
- 文件体积大（尤其是逐笔委托这种高频数据）
- 读取慢（没有索引，必须全量扫描）
- 不支持复杂数据类型（比如时间戳只能存字符串）
我一般只在调试阶段用 CSV，或者数据量小于 100MB 的时候。
3.2.2 Parquet：高效但需要工具
Parquet 是列式存储格式，压缩率高、读取快。同样是100万条逐笔成交数据，CSV 可能要 50MB，Parquet 只要 10MB 左右。
- 支持按列读取（只读你需要的字段）
- 内置压缩（snappy、gzip 等）
- 支持复杂数据类型（时间戳、嵌套结构）
3.3 读取方法：Python 实战
下面给两个简单的读取示例。你直接复制就能用。
3.3.1 读取 CSV
import pandas as pd
# 读取逐笔成交CSV
df = pd.read_csv('trade.csv', parse_dates=['time'])
print(df.head())3.3.2 读取 Parquet
import pandas as pd
# 读取逐笔委托Parquet
df = pd.read_parquet('order.parquet')
print(df.info())3.4 知识体系总览
下面这张图，是我自己画的数据结构总览。你可以把它当作本章的「地图」。
嗯，这张图基本把本章的内容串起来了。你从中心往外看，先理解四个核心字段，再决定用什么格式存，最后用对应的工具读出来。