A股金融数据整合技能（终极版）#

融合自: astock-financial-data-guide / akshare-financial-data-traps / A股行情与财务数据读取经验手册

最后融合日期: 2026-05-18

---

目录#

1. 数据源总览与选择策略
2. 推荐数据源组合 & 降级链
3. 登录模式对照
4. Baostock 接口详解
5. Akshare 接口详解
6. 废弃/不可用接口一览
7. 研发费用查询专项指南
8. 公司注册属地查询
9. 股票代码格式处理
10. 核心工具函数
11. 单位转换速查
12. 缓存策略
13. 错误处理与重试
14. 数据源降级策略
15. 最佳实践模板
16. 完整踩坑记录
17. 附录：各接口列名速查

---

1. 数据源总览与选择策略#

1.1 数据源对比#

数据源类型行情财报分红行业优势劣势是否需要API KeyBaostock证券宝✅日/60分K线✅五大季报✅✅稳定、免费、无需Key、数据规范字段单位需确认、登录/登出模式❌Akshare-同花顺Akshare❌✅摘要/现金流/利润表✅巨潮❌数据最全、带单位标注列名可能随版本变❌Akshare-新浪Akshare❌✅财务指标/利润表❌❌覆盖面广、研发费数据完整单位不确定(元/万元)、列名含(%)需判断❌Akshare-东方财富Akshare✅历史行情✅个股信息❌✅行情+基本面一体服务器无法访问 ⚠️❌Tushare第三方✅✅✅✅数据全面、质量高需积分+API Key✅通达信本地✅❌❌❌速度极快(本地读取)仅行情、需安装通达信❌

1.2 数据源能力速查矩阵#

功能场景推荐数据源(优先级)备注K线行情Baostock(主) → 东方财富(备) → 通达信(备)Baostock稳定免费财务摘要同花顺财务摘要(主) → 新浪财务指标(备)同花顺带单位标注利润表(含研发费)同花顺利润表(主) → 新浪利润表(备)同花顺带单位，新浪纯数字(元)研发费用同花顺利润表(主) → 新浪利润表(备) → 四级降级策略⚠️见第7章分红数据巨潮分红(主) → Baostock(备)巨潮"每10股"，Baostock"元/股"行业分类Baostock(主) → 东方财富(备,可能不可达)Baostock含industry和province公司注册属地巨潮公司概况(主)stock_profile_cninfo实时行情东方财富全市场实时行情(备)新浪实时行情替代方案技术指标计算Baostock K线 + Numba加速数据量大时用磁盘缓存

1.3 踩坑优先级通道#

text

Level 1: 同花顺数据源(首选)  → parse_amount/parse_percent
Level 2: 新浪数据源(备用)    → safe_float + ÷1亿调单位
Level 3: Baostock(兜底)      → safe_float + convert_share
Level 4: 东方财富(降级)      → ⚠️当前服务器不可达

---

2. 推荐数据源组合 & 降级链#

2.1 主力推荐组合#

text

主力:      Akshare(同花顺/新浪) + Baostock(补充)
行情:      Baostock K线 (稳定可靠)
财报:      Akshare同花顺(主) → 新浪(备) → Baostock(兜底)
研发费:    同花顺利润表(主) → 新浪利润表(备) → 四级降级
分红:      Akshare巨潮(主) → Baostock(备)
行业:      Baostock query_stock_industry
注册属地:  巨潮 stock_profile_cninfo

2.2 降级链速查#

目标数据降级链研发费用同花顺利润表"研发费用" → 新浪利润表"研发费用" → 同花顺备用列名 → 新浪备用列名净利润同花顺利润表 → 新浪利润表 → Baostock profit营收同花顺利润表 → 新浪利润表 → Baostock profit分红巨潮分红 → Baostock dividend行业Baostock industry → 东方财富(可能不可达)注册地巨潮 profile_cninfo → (无备用)

---

3. 登录模式对照#

数据源登录方式生命周期Baostockbs.login() / bs.logout()需显式管理, 查询前必须登录Akshare无需登录直接调用Tusharets.pro_api('your_token')Token一次性设置

Baostock登录建议: 在程序入口登录, 程序出口登出, 中间复用连接。换股时无需登出, 仅在切换完全不同股票或退出时登出。

---

4. Baostock 接口详解#

4.1 登录/登出#

python

import baostock as bs

# 登录
lg = bs.login()
if lg.error_code != '0':
    print(f"登录失败: {lg.error_msg}")

# 登出
bs.logout()

# ⚠️: 查询前必须登录, 查询后无需立即登出(可复用连接)

4.2 K线数据#

python

# 日线
rs = bs.query_history_k_data_plus(
    code="sh.600000",        # baostock格式: sh.600000 / sz.000001 / bj.430047
    fields="date,close,open,high,low,volume,amount,turn",
    start_date="2025-01-01",
    end_date="2025-12-31",
    frequency="d",           # d=日线, w=周线, m=月线
    adjustflag="3"           # 1=后复权, 2=前复权, 3=不复权
)

# 60分钟线
rs = bs.query_history_k_data_plus(
    code="sh.600000",
    fields="date,time,close,open,high,low,volume,amount",
    start_date="2025-01-01",
    end_date="2025-12-31",
    frequency="60",          # 5/15/30/60分钟
    adjustflag="3"
)

# 遍历结果
def bs_query_to_df(rs):
    """将baostock ResultData转为DataFrame"""
    rows = []
    while (rs.error_code == '0') and rs.next():
        rows.append(rs.get_row_data())
    if not rows:
        return None
    import pandas as pd
    return pd.DataFrame(rows, columns=rs.fields)

⚠️ 踩坑:

• K线返回的 close/volume 等字段都是 字符串类型, 需手动转float
• 60分钟线需 fields 含 time 字段
• adjustflag="3" 不复权时, 价格为原始价格

4.3 财务数据(五大季报)#

python

# 盈利数据
rs = bs.query_profit_data(code="sh.600000", year=2024, quarter=4)
# 关键字段: totalShare, liqaShare, epsTTM, gpMargin, netProfit, roeAvg, roeDiluted

# 成长数据
rs = bs.query_growth_data(code="sh.600000", year=2024, quarter=4)
# 关键字段: YOYEquity, YOYAsset, YOYNI, YOYEPSBasic, YOYPNI, YOYOR, YOYGR

# 运营数据
rs = bs.query_operation_data(code="sh.600000", year=2024, quarter=4)
# 关键字段: NetProfitGrowRate, OperatingProfitGrowRate, TotalRevenueGrowRate

# 现金流数据
rs = bs.query_cash_flow_data(code="sh.600000", year=2024, quarter=4)
# 关键字段: CAToAsset, NCAToAsset, CFOToOR

# 资产负债数据
rs = bs.query_balance_data(code="sh.600000", year=2024, quarter=4)
# 关键字段: totalAssets, totalLiab, totalEquity, currentAssets, currentLiab

⚠️ 踩坑:

• totalShare单位不确定: 实测某些版本返回"万股"而非"股", 用 convert_share() 自动检测
• 所有比率字段都是小数形式, 需×100转百分比显示
• quarter参数: 1-4对应Q1-Q4, 年报为Q4
• 空字符串/None: 字段可能返回空字符串''或None, 需用 safe_float() 统一处理
• 这些函数不接受yearType参数
• totalShare无province/area/city/region字段 — 不能用于查注册属地

4.4 分红数据#

python

rs = bs.query_dividend_data(
    code="sh.600000",
    year=2024,
    yearType="report"    # "report"=按报告期, "operate"=按运营期
)
# 关键字段: dividCashPsBeforeTax(元/股), dividPreistNoTax(每10股送股), dividAistNoTax(每10股转增)

4.5 行业/基本信息#

python

# 行业分类
rs = bs.query_stock_industry(code="sh.600000")
# 字段: industry, industryClassification, province(省份)

# 注意: baostock的province字段只存在于query_stock_basic中？
# 实测: query_stock_industry返回字段: updateDate, code, code_name, industry, industryClassification
# 并没有province字段！注册属地请用巨潮profile_cninfo

# 股票基本信息
rs = bs.query_stock_basic(code="sh.600000")
# 字段: code, code_name, ipoDate, outDate, type, status

# 交易日查询
rs = bs.query_trade_dates(start_date="2025-01-01", end_date="2025-12-31")

# 全部股票列表
rs = bs.query_all_stock(day="2025-05-12")

4.6 Baostock 字段速查#

盈利数据(query_profit_data):

字段含义单位转换totalShare总股本股⚠️convert_share() → 亿股liqaShare流通股本股⚠️convert_share() → 亿股epsTTM每股收益TTM元/股直接使用gpMargin毛利率小数×100→%netProfit净利润元÷1亿→亿元roeAvg平均ROE小数×100→%roeDiluted稀释ROE小数×100→%operatingRevenue营业收入元÷1亿→亿元

成长数据(query_growth_data):

字段含义单位转换YOYEquity净资产同比增长率小数×100→%YOYAsset总资产同比增长率小数×100→%YOYNI净利润同比增长率小数×100→%YOYPNI归母净利润同比增长率小数×100→%YOYOR营业收入同比增长率小数×100→%YOYGR营业总收入同比增长率小数×100→%

分红数据(query_dividend_data):

字段含义单位dividCashPsBeforeTax税前每股现金分红元/股dividPreistNoTax每10股送股数股dividAistNoTax每10股转增股数股

---

5. Akshare 接口详解#

5.1 同花顺财务摘要 ( stock_financial_abstract_ths)#

python

import akshare as ak

# 按年度
df = ak.stock_financial_abstract_ths(symbol="600000", indicator="按年度")
# 按单季度
df = ak.stock_financial_abstract_ths(symbol="600000", indicator="按单季度")

⚠️ 踩坑:

• 金额列带单位: 如 "1483.91亿"、"4.82万亿"、"3391.23万", 需用 parse_amount() 解析
• 比率列带%号: 如 "6.22%", 需用 parse_percent() 解析
• 返回DataFrame最新行在 最后, 遍历时注意顺序
• 列名可能因akshare版本更新而变化
• ⚠️ 此接口没有"研发费用"列! 研发费需从利润表获取

5.2 同花顺现金流量表 ( stock_financial_cash_ths)#

python

df = ak.stock_financial_cash_ths(symbol="600000", indicator="按年度")

⚠️ 踩坑:

• 列名极长且包含标点符号, 硬编码容易出错
• 同一列名在不同akshare版本中可能有细微差异(空格/标点)

5.3 同花顺利润表 ( stock_financial_benefit_ths) ✅含研发费#

python

df = ak.stock_financial_benefit_ths(symbol="600000", indicator="按年度")
# ⚠️ 注意: 接口名是 stock_financial_benefit_ths, 不是 stock_profit_sheet_ths(已废弃)

⚠️ 踩坑:

• 金额列带单位: 如 "1.90亿"、"227.55亿"、"6192.32万", 需用 parse_amount 解析
• 研发费用列在此接口有! 列名固定为 "研发费用"
• 2017年以前的数据研发费列值可能为 False(布尔值), 表示该年度未单独披露
• 报告期格式: "2025"(纯年份), 匹配用 str(year) in rp
• 列名可能为: "研发费用"/"研究开发费用"/"研究与开发费用", 需多列名尝试

5.4 新浪利润表 ( stock_financial_report_sina symbol="利润表") ✅含研发费#

python

df = ak.stock_financial_report_sina(stock="000063", symbol="利润表")

⚠️ 踩坑:

• 金额列单位为"元", 是纯数字(float), 如 22754978000.0, 需÷1亿转亿元
• 报告日格式: "20251231", 匹配年报用 f"{year}1231" in rp
• 该接口同时返回季报和年报数据, 按报告日筛选即可
• 研发费用列在此接口有! 列名固定为 "研发费用"
• 数据非常完整, 2017年以前的研发费也有(同花顺利润表可能返回False)

5.5 新浪财务指标 ( stock_financial_analysis_indicator)#

python

df = ak.stock_financial_analysis_indicator(symbol="600000", start_year="2022")
# 按日期索引, 每行一个报告期

⚠️ 踩坑:

• 列名含(%)的毛利率列: 返回值可能是百分比(如92.15)也可能是小数(如0.92), 需用 convert_sina_percent() 或 abs(f) < 2 判断
• 列名含(元)的金额列: 实际单位可能是"元"也可能是"万元", 不确定! 优先用 parse_amount 处理, parse_amount 返回 None 时按"元"÷1亿
• 新浪数据通过日期索引访问: df.loc[f"{year}-12-31"]
• ❌ 此接口没有"研发费用"列! 研发费需从利润表获取

5.6 巨潮分红数据 ( stock_dividend_cninfo)#

python

df = ak.stock_dividend_cninfo(symbol="600000")
# 关键列: 报告时间, 派息比例(每10股派息额)
# 报告时间格式: "2024年年报"

⚠️ 踩坑:

• 派息比例是"每10股"的金额, 需÷10转为每股分红
• 匹配年报: f'{year}年报' in str(row['报告时间'])

5.7 东方财富个股信息 ( stock_individual_info_em ⚠️服务器不可达)#

python

# ⚠️ 以下接口从当前服务器无法访问, 仅作降级参考
df = ak.stock_individual_info_em(symbol="600000")     # 个股基本信息
df = ak.stock_zh_a_hist(symbol="600000", period="daily",
                         start_date="20250101", end_date="20251231")  # 历史行情

5.8 巨潮公司概况 ( stock_profile_cninfo) ✅推荐用于注册地#

python

df = ak.stock_profile_cninfo(symbol="600519")
# 含"注册地址"列, 值为完整地址如"贵州省仁怀市茅台镇"

5.9 新浪实时行情 ( stock_zh_a_spot_em 替代方案)#

python

df = ak.stock_zh_a_spot_em()  # 全市场实时行情

5.10 Akshare 安全调用封装#

python

def ak_safe_call(fn, *args, default=None, **kwargs):
    """安全调用akshare接口"""
    try:
        result = fn(*args, **kwargs)
        if result is None or (hasattr(result, 'empty') and result.empty):
            return default
        return result
    except Exception as e:
        print(f"  [AK] 接口异常: {e}")
        return default

---

6. 废弃/不可用接口一览#

⚠️ 直接从历史踩坑中整理, 不要再用

接口名状态替代方案stock_profit_sheet_ths❌ 已废弃(不存在)stock_financial_benefit_ths``stock_financial_abstract_ths❌ 无研发费列stock_financial_benefit_ths``stock_financial_analysis_indicator❌ 无研发费列stock_financial_report_sina``stock_individual_info_em❌ 服务器不可达(2026.05)stock_profile_cninfo``stock_info_sz_name_code(indicator=...)❌ 不接受indicator参数不使用

接口名易混提醒#

易混淆名正确名❌ stock_profit_sheet_ths✅ stock_financial_benefit_ths—✅ stock_financial_report_sina(stock="000063", symbol="利润表")

---

7. 研发费用查询专项指南#

7.1 正确查询路径#

text

研发费用查询只能从利润表获取
❌ 财务摘要(stock_financial_abstract_ths)  → 无研发费列
❌ 新浪财务指标(stock_financial_analysis_indicator) → 无研发费列
✅ 同花顺利润表(stock_financial_benefit_ths) → 有"研发费用"列
✅ 新浪利润表(stock_financial_report_sina symbol="利润表") → 有"研发费用"列

7.2 四级降级策略#

text

Level 1: 同花顺利润表 → "研发费用"列(首选)
Level 2: 新浪利润表   → "研发费用"列
Level 3: 同花顺利润表 → 备用列名("研究开发费用"/"研究与开发费用")
Level 4: 新浪利润表   → 备用列名(如列名有变化)

7.3 同花顺利润表获取研发费#

python

df = ak.stock_financial_benefit_ths(symbol="000063", indicator="按年度")
for _, row in df.iterrows():
    rp = str(row.get('报告期', ''))
    if '2025' in rp:
        rd = row.get('研发费用', '')  # 返回如 "227.55亿"
        if rd is not False:          # 早期年份可能为False
            p = parse_amount(rd)     # → 227.55 (亿元)
        break

7.4 新浪利润表获取研发费#

python

df = ak.stock_financial_report_sina(stock="000063", symbol="利润表")
for _, row in df.iterrows():
    rp = str(row.get('报告日', ''))
    if '20251231' in rp:
        raw_val = row.get('研发费用', '')  # 返回纯数字如 22754978000.0
        f = safe_float(raw_val)
        rd_yi = f / 100000000               # → 227.55 亿元
        break

7.5 研发费用完整容错代码#

python

def get_rd_expense(pure_code, year):
    """获取指定股票指定年度的研发费用(亿元)
    降级链: 同花顺利润表 → 新浪利润表
    """
    # Level 1: 同花顺利润表
    df = ak_safe_call(ak.stock_financial_benefit_ths, symbol=pure_code, indicator="按年度")
    if df is not None:
        rd_cols = ['研发费用', '研究开发费用', '研究与开发费用']
        for _, row in df.iterrows():
            if str(year) in str(row.get('报告期', '')):
                for col in rd_cols:
                    val = row.get(col)
                    if val is not False and val is not None:
                        p = parse_amount(val)
                        if p is not None:
                            return p
    # Level 2: 新浪利润表
    df = ak_safe_call(ak.stock_financial_report_sina, stock=pure_code, symbol="利润表")
    if df is not None:
        target = f"{year}1231"
        for _, row in df.iterrows():
            if target in str(row.get('报告日', '')):
                val = row.get('研发费用')
                f = safe_float(val)
                if f != NO_DATA:
                    return f / 100000000
    return NO_DATA

7.6 验证数据#

股票同花顺利润表新浪利润表一致性中兴通讯000063227.55亿227.55亿✅茅台6005191.90亿1.90亿✅

---

8. 公司注册属地查询#

8.1 正确查询方法#

python

import akshare as ak
import re

# 巨潮公司概况(首选, 唯一可靠来源)
df = ak.stock_profile_cninfo(symbol="600519")
# 含"注册地址"列, 值为完整地址如"贵州省仁怀市茅台镇"

# ⚠️ baostock的query_stock_industry无province字段!
# 不要用baostock查注册属地

8.2 省份提取函数#

python

def extract_province(addr):
    """从完整注册地址提取省份"""
    if not addr:
        return ''
    # 直辖市
    for city in ['北京', '上海', '天津', '重庆']:
        if city in addr:
            return city + '市'
    # 省/自治区/特别行政区
    m = re.search(r'([\u4e00-\u9fa5]+省|[\u4e00-\u9fa5]+自治区|[\u4e00-\u9fa5]+特别行政区)', addr)
    if m:
        return m.group(1)
    return addr

8.3 验证数据#

股票巨潮注册地址提取省份茅台600519贵州省仁怀市茅台镇贵州省 ✅中兴通讯000063广东省深圳市南山区广东省 ✅宁德时代300750福建省宁德市福建省 ✅隆基绿能601012陕西省西安市陕西省 ✅平安银行000001广东省深圳市广东省 ✅

---

9. 股票代码格式处理#

9.1 格式对照#

格式示例使用场景纯代码600000用户输入、akshare接口Baostock格式sh.600000 / sz.000001 / bj.430047baostock全部接口东方财富格式600000 (纯代码)akshare东方财富接口Tushare格式600000.SHtushare接口

9.2 市场前缀规则#

开头数字市场Baostock前缀Tushare后缀说明6, 9上海证券交易所sh..SH9开头为科创板0, 3深圳证券交易所sz..SZ3开头为创业板8, 4北京证券交易所bj..BJ北交所

9.3 代码识别与转换#

python

def normalize_stock_code(raw):
    """统一识别股票代码, 返回 (baostock格式, 纯代码)
    支持输入: 600000 / sh.600000 / SH600000 / 430047 / bj.430047
    """
    raw = raw.strip().replace(' ', '').replace('\uff0e', '.').replace('\u3002', '.')

    if '.' in raw:
        parts = raw.split('.')
        bs_code = parts[0].lower() + '.' + parts[1]
        pure_code = parts[1]
    elif raw.startswith('6') or raw.startswith('9'):
        bs_code = 'sh.' + raw
        pure_code = raw
    elif raw.startswith('0') or raw.startswith('3'):
        bs_code = 'sz.' + raw
        pure_code = raw
    elif raw.startswith('8') or raw.startswith('4'):
        bs_code = 'bj.' + raw  # 北交所
        pure_code = raw
    else:
        raise ValueError(f"无法识别代码格式: {raw}")

    return bs_code, pure_code

9.4 注意事项#

1. 北交所代码(8/4开头): 必须映射为 bj. 前缀, 不能用 sh. 或 sz.

2. 全角句号: 用户可能输入全角句号( ．/ 。), 需先替换为半角( .)

3. 大小写: SH.600000 和 sh.600000 等价, 统一转小写

4. 排序陷阱: 对"3.10"等字符串排序时不能用默认字符串排序, 需按数字排序: python

   sorted(selected, key=lambda k: tuple(int(x) for x in k.split('.')))
   
   

---

10. 核心工具函数#

python

import re
import math

NO_DATA = "无"  # 统一无数据标记

# ── safe_float ──
def safe_float(val, default=NO_DATA):
    """安全转浮点, 处理None/空串/NaN/False/超限值"""
    if val is None or val == '' or val == 'False' or val == 'NaN':
        return default
    try:
        f = float(val)
        if math.isnan(f) or math.isinf(f) or abs(f) > 1e15:
            return default
        return f
    except (ValueError, TypeError):
        return default

# ── parse_amount ──
def parse_amount(s):
    """解析带单位的金额字符串, 统一转为亿元
    '1483.91亿' → 1483.91
    '4.82万亿'  → 48200
    '3391.23万' → 0.339123
    纯数字(元)  → 原值(调用者需自行÷1亿)
    无法解析    → None
    """
    if s is None or s == '' or s == 'False':
        return None
    s = str(s).strip()
    m = re.match(r'^([-\d.]+)\s*万亿$', s)
    if m:
        return float(m.group(1)) * 10000
    m = re.match(r'^([-\d.]+)\s*亿$', s)
    if m:
        return float(m.group(1))
    m = re.match(r'^([-\d.]+)\s*万$', s)
    if m:
        return float(m.group(1)) / 10000
    try:
        return float(s)  # 纯数字, 单位需调用者判断
    except (ValueError, TypeError):
        return None

# ── parse_percent ──
def parse_percent(s):
    """解析百分比字符串
    '6.22%' → 6.22
    纯数字  → 原值(可能是小数也可能是百分比)
    """
    if s is None or s == '' or s == 'False':
        return None
    s = str(s).strip()
    m = re.match(r'^([-\d.]+)\s*%$', s)
    if m:
        return float(m.group(1))
    try:
        return float(s)
    except (ValueError, TypeError):
        return None

# ── convert_share ──
def convert_share(val):
    """Baostock totalShare/liqaShare 自动单位检测与转换(→亿股)"""
    f = safe_float(val)
    if f == NO_DATA:
        return NO_DATA
    if f < 10000 and f > 0:
        return f / 10000   # 万股→亿股
    else:
        return f / 100000000  # 股→亿股

# ── convert_sina_percent ──
def convert_sina_percent(val):
    """新浪(%)列: 判断是小数还是百分比, 统一转为百分比"""
    f = safe_float(val)
    if f == NO_DATA:
        return NO_DATA
    if abs(f) < 2:    # 小数形式如0.92
        f = f * 100
    return f           # 已是百分比如92.15

# ── extract_province ──
def extract_province(addr):
    """从完整注册地址提取省份"""
    if not addr:
        return ''
    for city in ['北京', '上海', '天津', '重庆']:
        if city in addr:
            return city + '市'
    m = re.search(r'([\u4e00-\u9fa5]+省|[\u4e00-\u9fa5]+自治区|[\u4e00-\u9fa5]+特别行政区)', addr)
    if m:
        return m.group(1)
    return addr

---

11. 单位转换速查#

源原始单位目标单位转换方法备注同花顺金额"1483.91亿"亿元parse_amount()自动处理万亿/亿/万同花顺利润表 False值布尔False—if val is not False:视为无数据, 跳过新浪金额(元)列不确定亿元先 parse_amount(), 返回None时÷1亿⚠️单位可能为万元新浪利润表金额元(纯数字)亿元val / 100000000纯float, 必须÷1亿Baostock金额元亿元val / 100000000netProfit等Baostock股本股/万股亿股convert_share()自动检测如果val<10000为万股Baostock比率小数百分比val * 100gpMargin/roeAvg等新浪比率(%)列不确定百分比convert_sina_percent()``abs(f)<2 判断同花顺比率"6.22%"百分比parse_percent()带%号巨潮分红每10股派息每股分红val / 10派息比例列

---

12. 缓存策略#

12.1 策略选择#

场景推荐策略理由单股票多指标查询内存字典缓存数据量小, 生命周期短多股票回测磁盘CSV缓存数据量大, 需跨运行复用实时行情不缓存数据时效性要求高静态财务数据磁盘缓存+过期时间年报季度更新, 可缓存较长时间

12.2 内存缓存(财务查询场景)#

python

class FinancialDataFetcher:
    def __init__(self):
        self._cache = {}

    def bs_query(self, func_name, year, quarter):
        cache_key = f"bs_{func_name}_{year}_{quarter}"
        if cache_key in self._cache:
            return self._cache[cache_key]
        # ... 查询逻辑 ...
        self._cache[cache_key] = result
        return result

12.3 磁盘缓存(回测场景)#

python

import os
import pandas as pd

CACHE_DIR = "data_cache"

def get_cache_path(code, start_date, end_date, freq):
    os.makedirs(CACHE_DIR, exist_ok=True)
    return os.path.join(CACHE_DIR, f"{code}_{start_date}_{end_date}_{freq}.csv")

def load_cache(path):
    if os.path.exists(path):
        return pd.read_csv(path, dtype=str)
    return None

def save_cache(path, df):
    df.to_csv(path, index=False)

# 使用示例
cache_path = get_cache_path("sh.600000", "2025-01-01", "2025-12-31", "d")
df = load_cache(cache_path)
if df is None:
    df = fetch_from_baostock(...)
    save_cache(cache_path, df)

---

13. 错误处理与重试#

13.1 Baostock 带重试查询#

python

import time
import socket

def bs_query_with_retry(fn, max_retries=3, wait_seconds=2):
    """带重试的baostock查询"""
    for attempt in range(max_retries):
        try:
            rs = fn()
            if rs.error_code == '0':
                return rs
            else:
                print(f"  [BS] 查询错误: {rs.error_msg}, 重试 {attempt+1}/{max_retries}")
        except (socket.timeout, TimeoutError, OSError) as e:
            print(f"  [BS] 网络异常: {e}, 重试 {attempt+1}/{max_retries}")
        time.sleep(wait_seconds)
    return None

13.2 Akshare 安全调用#

python

def ak_safe_call(fn, *args, default=None, **kwargs):
    """安全调用akshare接口"""
    try:
        result = fn(*args, **kwargs)
        if result is None or (hasattr(result, 'empty') and result.empty):
            return default
        return result
    except Exception as e:
        print(f"  [AK] 接口异常: {e}")
        return default

13.3 Baostock 结果转DataFrame#

python

def bs_query_to_df(rs):
    """将baostock ResultData转为DataFrame"""
    rows = []
    while (rs.error_code == '0') and rs.next():
        rows.append(rs.get_row_data())
    if not rows:
        return None
    import pandas as pd
    return pd.DataFrame(rows, columns=rs.fields)

---

14. 数据源降级策略#

14.1 通用降级函数#

python

def fetch_with_fallback(primary_fn, fallback_fn1=None, fallback_fn2=None):
    """带降级的数据获取: 主数据源 → 备用1 → 备用2 → "无" """
    result = primary_fn()
    if result is not None and result != NO_DATA:
        return result
    if fallback_fn1:
        result = fallback_fn1()
        if result is not None and result != NO_DATA:
            return result
    if fallback_fn2:
        result = fallback_fn2()
        if result is not None and result != NO_DATA:
            return result
    return NO_DATA

14.2 推荐降级链#

目标降级链财报Akshare同花顺 → 新浪 → Baostock分红Akshare巨潮 → Baostock行业Baostock → 东方财富(可能不可达)研发费同花顺利润表 → 新浪利润表 → 同花顺备用列名 → 新浪备用列名

---

15. 最佳实践模板#

15.1 FinancialDataFetcher 完整类模板#

python

import datetime
import baostock as bs

class FinancialDataFetcher:
    """财务数据获取器 - 主力+备用双源模式"""

    def __init__(self, bs_code, pure_code):
        self.bs_code = bs_code
        self.pure_code = pure_code
        self._cache = {}
        self._bs_logged_in = False
        self.now = datetime.datetime.now()
        # 判断"去年": 5月前年报可能未出, 取前年
        self.last_year = self.now.year - 2 if self.now.month < 5 else self.now.year - 1
        self.prev_year = self.last_year - 1
        self.year_before = self.last_year - 2

    # ── 登录管理 ──
    def bs_login(self):
        if not self._bs_logged_in:
            lg = bs.login()
            if lg.error_code != '0':
                return False
            self._bs_logged_in = True
        return True

    def bs_logout(self):
        if self._bs_logged_in:
            bs.logout()
            self._bs_logged_in = False

    def _ensure_bs_login(self):
        """确保已登录(在所有baostock查询前调用)"""
        if not self._bs_logged_in:
            self.bs_login()

    # ── 通用查询(带缓存) ──
    def bs_query(self, func_name, year=None, quarter=None):
        self._ensure_bs_login()
        cache_key = f"bs_{func_name}_{year}_{quarter}"
        if cache_key in self._cache:
            return self._cache[cache_key]
        # ... 实际查询逻辑 ...
        # self._cache[cache_key] = result
        # return result

15.2 主循环模板#

python

def main():
    fetcher = None
    bs_code = None

    while True:
        if bs_code is None:
            bs_code, pure_code = input_stock_code()
            fetcher = None  # 换股时重置

        if fetcher is None:
            fetcher = FinancialDataFetcher(bs_code, pure_code)
            fetcher.bs_login()

        # ... 查询逻辑 ...

        action = wait_key_prompt()
        if action == 'exit':
            fetcher.bs_logout()
            break
        elif action == 'new_stock':
            fetcher.bs_logout()
            fetcher = None
            bs_code = None
        # 'same_stock': 保持fetcher复用缓存

# 关键原则:
# - fetcher在循环外创建, 换股时才重置
# - 换股时先bs_logout()再重建
# - 退出时bs_logout()
# - 同一股票多次查询时复用缓存

15.3 Numba加速技术指标模板#

python

from numba import jit
import numpy as np

@jit(nopython=True, cache=True, fastmath=True)
def calc_kd(close_prices, n=9, m1=3, m2=3):
    """计算KD指标 - Numba加速版"""
    length = len(close_prices)
    k_values = np.zeros(length)
    d_values = np.zeros(length)
    # ... 计算逻辑 ...
    return k_values, d_values

@jit(nopython=True, cache=True, fastmath=True)
def calc_rsi(close_prices, period=8):
    """计算RSI - Numba加速版"""
    # ... 计算逻辑 ...
    return rsi_values

# 关键参数: RSI周期=8, KD参数 n=9, m1=3, m2=3

---

16. 完整踩坑记录#

16.1 单位陷阱#

日期踩坑内容影响解决方案2026-05-12新浪毛利率(%)列返回值可能是百分比也可能是小数毛利率9215%而非92.15%abs(f)<2 判断2026-05-12Baostock roeAvg是小数而非百分比ROE显示0.15%而非15%f*1002026-05-12Baostock totalShare单位可能是"万股"股本偏小10000倍自动检测 convert_share()2026-05-12新浪金额列(元)实际单位可能是"万元"研发费用/营收偏差1万倍优先用parse_amount2026-05-12巨潮分红"派息比例"是每10股每股分红偏大10倍÷102026-05-13同花顺利润表早期年份研发费返回False(布尔值)parse_amount解析False失败加 val is not False 前置判断2026-05-13新浪利润表金额单位为元(纯数字)直接当亿元使用偏小1亿倍÷1亿转亿元2026-05-13Baostock股本单位: 股可能为万股股本偏差if f<10000 and f>0 检测

16.2 API陷阱#

日期踩坑内容影响解决方案2026-05-12东方财富API从服务器无法访问stock_individual_info_em超时降级到其他数据源2026-05-12同花顺现金流表列名硬编码akshare升级后列名变化导致查不到加try-except和模糊匹配2026-05-12baostock query_profit_data等不接受yearType参数传参报错不传yearType2026-05-12baostock需login后才能查询未登录直接查询报错查询前检查登录状态2026-05-12baostock K线返回值全是字符串类型数值比较/计算出错手动float()转换2026-05-13同花顺财务摘要无研发费列研发费始终返回NO_DATA改用同花顺利润表2026-05-13新浪财务分析指标无研发费列同上改用新浪利润表2026-05-13同花顺利润表早期年份研发费返回Falseparse_amount解析失败加 val is not False 判断2026-05-13stock_profit_sheet_ths接口不存在AttributeError正确接口是stock_financial_benefit_ths2026-05-13baostock query_stock_industry无province字段无法查注册属地改用巨潮 profile_cninfo2026-05-18公司查注册属地无备用方案profile_cninfo失败则无替代暂无备用, 注意异常处理

16.3 逻辑陷阱#

日期踩坑内容影响解决方案2026-05-12sorted()对"3.10"字符串排序不正确3.10排在3.2前面按数字排序 key=lambda k: tuple(int(x) for x in k.split('.'))2026-05-12分红终止条件逻辑错误第1年就break,只取1年数据删除提前终止条件2026-05-12PEG中g_val==0无法匹配字符串"0"ZeroDivisionError先float()再判断2026-05-12北交所代码(8/4开头)未处理北交所股票无法查询增加bj.前缀

---

17. 附录：各接口列名速查#

A. 同花顺财务摘要 ( stock_financial_abstract_ths)#

列名含义格式报告期年报/季报日期"2024-12-31"基本每股收益EPS纯数字(元)每股净资产BPS纯数字(元)每股经营现金流OCF/Share纯数字(元)净利润净利润"1483.91亿"营业总收入营收"4.82万亿"净资产收益率ROE"6.22%"净利润同比增长率净利润增速"15.3%"营业总收入同比增长率营收增速"12.1%"

⚠️ 此接口没有"研发费用"列!

B. 同花顺利润表 ( stock_financial_benefit_ths) ✅含研发费#

列名含义格式备注报告期年报/季报"2025"(纯年份)匹配: str(year) in rp一、营业总收入营收"1720.54亿"带单位其中：营业收入营业收入"1688.38亿"带单位二、营业总成本营业总成本"573.71亿"带单位其中：营业成本营业成本"114.89亿"带单位销售费用销售费用"725.35亿"带单位管理费用管理费用"83.20亿"带单位研发费用研发费用"1.90亿"****✅带单位, 早期年份可能为False财务费用财务费用"-0.82亿"可能为负三、营业利润营业利润"1148.09亿"带单位五、净利润净利润"853.10亿"带单位归属于母公司所有者的净利润归母净利润"823.20亿"带单位

⚠️ 接口名是 stock_financial_benefit_ths, 不是 stock_profit_sheet_ths(已废弃)

C. 新浪利润表 ( stock_financial_report_sina symbol="利润表") ✅含研发费#

列名含义格式备注报告日报告日期"20251231"匹配: f"{year}1231" in rp营业总收入营收172054171890.91纯数字(元)营业收入营业收入168838102514.79纯数字(元)营业成本营业成本114892277570.91纯数字(元)销售费用销售费用72534996000.68纯数字(元)管理费用管理费用8320061659.66纯数字(元)研发费用研发费用190112246.58**✅纯数字(元), ÷1亿→亿元**财务费用财务费用-815240284.72可能为负营业利润营业利润114808950164.24纯数字(元)净利润净利润85310324833.67纯数字(元)归属于母公司所有者的净利润归母净利润82320067101.68纯数字(元)

⚠️ 所有金额列单位均为 元(纯float), 需÷1亿转亿元 ⚠️ 该接口同时返回季报+年报, 按报告日筛选即可

D. 新浪财务指标 ( stock_financial_analysis_indicator)#

列名含义⚠️单位注意销售毛利率(%)毛利率可能是百分比或小数净资产收益率(%)ROE同上每股经营性现金流(元)OCF/Share元/股每股净资产_调整前(元)BPS元/股主营业务收入增长率(%)营收增速可能是百分比或小数净利润增长率(%)净利润增速同上营业收入(元)营收元(也可能是万元⚠️)研发费用(元)研发元(也可能是万元⚠️)

⚠️ 此接口没有"研发费用"列! 上表中"研发费用(元)"仅作参考, 实测可能有或无

E. 同花顺现金流量表 ( stock_financial_cash_ths)#

列名含义格式经营活动产生的现金流量净额OCF带单位购建固定资产、无形资产和其他长期资产支付的现金CAPEX带单位

F. 巨潮分红 ( stock_dividend_cninfo)#

列名含义格式报告时间报告期"2024年年报"派息比例每10股派息额需÷10→每股分红

---

本技能维护说明#

经验积累机制#

当你经过多次尝试才得出正确结果时(例如参数格式试错、接口选择调整、发现文档未明示的约束等), 必须将经验简要追加到第16章的踩坑记录中。

记录标准:

• 只记录经过 2次及以上尝试 才成功的情况
• 格式: | 日期 | 踩坑内容 | 影响 | 解决方案 |
• 内容简明, 聚焦"下次遇到同样情况该怎么做"

数据源状态更新#

• 东方财富API等不可用状态可能随时间变化, 每隔一段时间应重新验证
• Akshare接口列名可能因版本变化, 使用前建议先打印列名验证

---

文档结束 - 持续更新中