trading_data#

Main module for access trading data

get_price#

libfinance.api.get_price.get_price(order_book_ids, start_date, end_date, frequency='1d', fields=None, skip_suspended=True, include_now=True, adjust_type='none', adjust_orig=None)[源代码]#

获取指定合约的历史 k 线行情，支持任意日频率xd(1d,5d)和任意分钟频率xm(1m,3m,5m,15m)的历史数据。

参数

order_book_ids (list) -- 多个标的合约代码, 必填项
start_date (str) -- 开始日期，必填项
end_date (str) -- 结束日期，必填项
frequency (str) -- 获取数据什么样的频率进行。'1d'或'1m'分别表示每日和每分钟
fields (List[str]) -- 返回数据字段
skip_suspended (bool) -- 是否跳过停牌数据
include_now (bool) -- 是否包含当前数据
adjust_type (str) -- 复权类型，默认为前复权 pre；可选 pre, none, post
adjust_orig (datetime) --

返回类型

DataFrame

fields	字段名
datetime	时间戳
open	开盘价
high	最高价
low	最低价
close	收盘价
volume	成交量
total_turnover	成交额
open_interest	持仓量（期货专用）
basis_spread	期现差（股指期货专用）
settlement	结算价（期货日线专用）
prev_settlement	结算价（期货日线专用）

Example1:

获取中国平安和浦发银行 2024-03-01至2024-03-11之间的交易数据

import pandas as pd
from libfinance import get_price

>>> data = get_price(order_book_ids=["000001.XSHE","600000.XSHG"], start_date="2024-03-01", end_date="2024-03-11")
>>> print(data)

                           open   high    low  close       volume
order_book_id datetime
000001.XSHE   2024-03-01  10.59  10.60  10.43  10.49  182810290.0
              2024-03-04  10.45  10.50  10.32  10.33  165592954.0
              2024-03-05  10.30  10.47  10.26  10.43  181731907.0
              2024-03-06  10.40  10.45  10.33  10.33  134564016.0
              2024-03-07  10.33  10.64  10.33  10.38  201616589.0
              2024-03-08  10.35  10.44  10.30  10.38  111397428.0
              2024-03-11  10.38  10.47  10.34  10.47  121067298.0
600000.XSHG   2024-03-01   7.13   7.16   7.10   7.11   29431801.0
              2024-03-04   7.12   7.12   7.05   7.07   27855963.0
              2024-03-05   7.05   7.18   7.04   7.16   41756232.0
              2024-03-06   7.17   7.22   7.12   7.12   25918749.0
              2024-03-07   7.12   7.20   7.11   7.14   24690348.0
              2024-03-08   7.12   7.17   7.11   7.12   19861794.0
              2024-03-11   7.13   7.17   7.06   7.11   26195498.0

history_bars#

libfinance.api.get_price.history_bars(order_book_ids, bar_count, datetime, frequency='1d', fields=None, skip_suspended=True, include_now=True, adjust_type='none', adjust_orig=None)[源代码]#

获取指定合约的历史 k 线行情，支持任意日频率xd(1d,5d)和任意分钟频率xm(1m,3m,5m,15m)的历史数据。

参数

order_book_ids (list) -- 多个标的合约代码
bar_count (int) -- 获取的历史数据数量，必填项
frequency (str) -- 获取数据什么样的频率进行。'1d'或'1m'分别表示每日和每分钟，必填项
fields (List[str]) -- 返回数据字段。必填项。见下方列表。
skip_suspended (bool) -- 是否跳过停牌数据
include_now (bool) -- 是否包含当前数据
adjust_type (str) -- 复权类型，默认为前复权 pre；可选 pre, none, post
datetime (str) --
adjust_orig (datetime) --

返回类型

DataFrame

fields	字段名
datetime	时间戳
open	开盘价
high	最高价
low	最低价
close	收盘价
volume	成交量
total_turnover	成交额
open_interest	持仓量（期货专用）
basis_spread	期现差（股指期货专用）
settlement	结算价（期货日线专用）
prev_settlement	结算价（期货日线专用）

Example1:

获取中国平安和万科 2020-04-20之前10天的交易数据

import pandas as pd
from libfinance import history_bars

#
>>> dt = "2020-04-20"
>>> data = history_bars(order_book_ids=["000001.XSHE", "000002.XSHE"], datetime=dt, bar_count=10)
>>> print(data)

                               open   high    low  close     volume
order_book_id datetime
000001.XSHE   2020-04-07      12.89  12.94  12.81  12.88    87031371.0
              2020-04-08      12.88  12.92  12.72  12.78    52871614.0
              2020-04-09      12.88  12.89  12.72  12.74    40855377.0
              2020-04-10      12.76  12.98  12.65  12.79    66667495.0
              2020-04-13      12.67  12.71  12.47  12.59    44621440.0
              2020-04-14      12.65  12.86  12.57  12.86    68608687.0
              2020-04-15      12.86  12.93  12.78  12.87    65639640.0
              2020-04-16      12.79  12.79  12.54  12.68    78915498.0
              2020-04-17      12.77  13.04  12.65  12.89   133116477.0
              2020-04-20      12.86  13.05  12.77  12.99    81845583.0
000002.XSHE   2020-04-07      27.34  27.42  26.80  27.07    67154006.0
              2020-04-08      26.90  27.25  26.75  26.96    41251395.0
              2020-04-09      27.10  27.16  26.60  26.69    38726254.0
              2020-04-10      26.84  27.34  26.59  26.88    62460322.0
              2020-04-13      26.74  27.13  26.61  27.04    43264902.0
              2020-04-14      27.10  27.75  27.02  27.35    64241868.0
              2020-04-15      27.20  27.23  26.55  26.70    70359257.0
              2020-04-16      26.52  26.76  26.40  26.58    50238931.0
              2020-04-17      26.78  27.03  26.55  26.72    83813322.0
              2020-04-20      26.78  26.81  26.05  26.58    85012343.0