PREF:
** Tushare当前（2018.3.12）版为’1.0.5’**
- 1 Tushare是一个免费、开源的python财经数据接口包。主要实现对股票等金融数据从数据采集、清洗加工 到 数据存储的过程，能够为金融分析人员提供快速、整洁、和多样的便于分析的数据，为他们在数据获取方面极大地减轻工作量，使他们更加专注于策略和模型的研究与实现上。考虑到Python pandas包在金融量化分析中体现出的优势，Tushare返回的绝大部分的数据格式都是pandas DataFrame类型，非常便于用pandas/NumPy/Matplotlib进行数据分析和可视化。
- 2 Tushare还在不断的完善和优化，后期将逐步增加港股、期货、外汇和基金方面的数据。
- 3 Tushare的数据主要来源于网络
- 4 新浪财经、腾讯财经、上交所和深交所提供数据
1 宏观经济数据
宏观经济数据提供国内重要的宏观经济数据，目前只提供比较常用的宏观经济数据，通过简单的接口调用可获取相应的DataFrame格式数据，大项主要包括以下类别：
- 金融信息数据
- 国民经济数据
- 价格指数数据
- 景气指数数据
- 对外经济贸易数据
1.1 存款利率
调用方法：
import tushare as ts
ts.get_deposit_rate()
返回值说明：
- date :变动日期
- deposit_type :存款种类
- rate:利率（%）
结果显示：
date deposit_type rate
0 2014-11-22 定活两便(定期) --
1 2014-11-22 定期存款整存整取(半年) 2.55
2 2014-11-22 定期存款整存整取(二年) 3.35
3 2014-11-22 定期存款整存整取(三个月) 2.35
4 2014-11-22 定期存款整存整取(三年) 4.00
5 2014-11-22 定期存款整存整取(五年) 4.75
6 2014-11-22 定期存款整存整取(一年) 2.75
7 2014-11-22 活期存款(不定期) 0.35
8 2014-11-22 零存整取、整存零取、存本取息定期存款(三年) 2.80
9 2014-11-22 零存整取、整存零取、存本取息定期存款(五年) 3.00
10 2014-11-22 零存整取、整存零取、存本取息定期存款(一年) 2.60
1.2 贷款利率
ts.get_loan_rate()
返回值说明：
- date :执行日期
- loan_type :存款种类
- rate:利率（%）
结果显示：
date loan_type rate
0 2014-11-22 短期贷款(六个月以内) 5.60
1 2014-11-22 短期贷款(六个月至一年) 5.60
2 2014-11-22 中长期贷款(三至五年) 6.00
3 2014-11-22 中长期贷款(五年以上) 6.15
4 2014-11-22 中长期贷款(一至三年) 6.00
5 2014-11-22 贴现(贴现) --
6 2014-11-22 优惠贷款(扶贫贴息贷款) --
7 2014-11-22 优惠贷款(老少边穷发展经济贷款) --
8 2014-11-22 优惠贷款(民政部门福利工厂贷款) --
9 2014-11-22 优惠贷款(民族贸易及民族用品生产贷款) --
10 2014-11-22 优惠贷款(贫困县办工业贷款) --
1.3 存款准备金率
ts.get_rrr()
返回值说明：
- date :变动日期
- before :调整前存款准备金率(%)
- now:调整后存款准备金率(%)
- changed:调整幅度(%)
结果显示：
date before now changed
0 2012-05-18 20.50 20.00 -0.50
1 2012-02-24 21.00 20.50 -0.50
2 2011-12-05 21.50 21.00 -0.50
3 2011-06-20 21.00 21.50 0.50
4 2011-05-18 20.50 21.00 0.50
5 2011-04-21 20.00 20.50 0.50
6 2011-03-25 19.50 20.00 0.50
7 2011-02-24 19.00 19.50 0.50
8 2011-01-20 18.50 19.00 0.50
9 2010-12-20 18.00 18.50 0.50
10 2010-11-29 17.50 18.00 0.50
1.4 货币供应量
ts.get_money_supply()
返回值说明：
- month :统计时间
- m2 :货币和准货币（广义货币M2）(亿元)
- m2_yoy:货币和准货币（广义货币M2）同比增长(%)
- m1:货币(狭义货币M1)(亿元)
- m1_yoy:货币(狭义货币M1)同比增长(%)
- m0:流通中现金(M0)(亿元)
- m0_yoy:流通中现金(M0)同比增长(%)
- cd:活期存款(亿元)
- cd_yoy:活期存款同比增长(%)
- qm:准货币(亿元)
- qm_yoy:准货币同比增长(%)
- ftd:定期存款(亿元)
- ftd_yoy:定期存款同比增长(%)
- sd:储蓄存款(亿元)
- sd_yoy:储蓄存款同比增长(%)
- rests:其他存款(亿元)
- rests_yoy:其他存款同比增长(%)
结果显示：
month m2 m2_yoy m1 m1_yoy m0 m0_yoy cd \
0 2014.12 1228374.81 12.20 348056.41 3.20 60259.53 2.90 287796.88
1 2014.11 1208605.95 12.30 335114.13 3.20 58438.53 3.50 276675.60
2 2014.10 1199236.31 12.60 329617.73 3.20 57691.64 3.80 271926.09
3 2014.9 1202051.41 12.90 327220.21 4.80 58844.99 4.20 268375.22
4 2014.8 1197499.08 12.80 332023.23 5.70 57997.61 5.60 274025.62
5 2014.7 1194249.24 13.50 331347.32 6.70 57346.50 5.40 274000.81
6 2014.6 1209587.20 14.70 341487.45 8.90 56951.05 5.30 284536.39
7 2014.5 1182300.32 13.40 327835.25 5.70 58051.11 6.70 269788.46
8 2014.4 1168812.67 13.20 324482.52 5.50 58615.54 5.40 265866.98
9 2014.3 1160687.38 12.10 327683.74 5.40 58329.30 5.20 269354.44
10 2014.2 1131760.83 13.30 316625.11 6.90 62320.95 3.30 254304.16
1.5 货币供应量(年底余额)
ts.get_money_supply_bal()
返回值说明：
- year :统计年度
- m2 :货币和准货币(亿元)
- m1:货币(亿元)
- m0:流通中现金(亿元)
- cd:活期存款(亿元)
- qm:准货币(亿元)
- ftd:定期存款(亿元)
- sd:储蓄存款(亿元)
- rests:其他存款(亿元)
结果显示：
year m2 m1 m0 cd qm ftd \
0 2013 1106525.00 337291.10 58574.40 278716.60 769233.90 232696.60
1 2012 974159.50 308673.00 54659.80 254013.20 665486.50 195946.30
2 2011 851590.90 289847.70 50748.50 239099.20 561743.20 166616.00
3 2010 725774.10 266621.30 44628.20 221993.20 459152.70 105858.70
4 2009 606225.00 220001.50 38246.00 181758.50 386219.10 82284.90
5 2008 475166.60 166217.10 34219.00 131998.20 308949.50 60103.10
6 2007 403442.20 152560.10 30375.20 122184.90 250882.10 46932.50
7 2005 298755.70 107278.80 24031.70 83247.10 191476.90 33100.00
8 2004 254107.00 95969.70 21468.30 74501.40 158137.20 25382.20
9 2003 221222.80 84118.60 19746.00 64372.60 137104.30 20940.40
10 2002 185007.00 70881.80 17278.00 53603.80 114125.20 16433.80
1.6 国内生产总值(年度)
ts.get_gdp_year()
返回值说明：
- year :统计年度
- gdp :国内生产总值(亿元)
- pc_gdp :人均国内生产总值(元)
- gnp :国民生产总值(亿元)
- pi :第一产业(亿元)
- si :第二产业(亿元)
- industry :工业(亿元)
- cons_industry :建筑业(亿元)
- ti :第三产业(亿元)
- trans_industry :交通运输仓储邮电通信业(亿元)
- lbdy :批发零售贸易及餐饮业(亿元)
结果显示：
year gdp pc_gdp gnp pi si industry \
0 2014 636463.00 NaN NaN 58332.00 271392.00 NaN
1 2013 588019.00 41907.59 NaN 55322.00 256810.00 210689.42
2 2012 519470.10 38459.47 NaN 52373.63 235161.99 199670.66
3 2011 473104.05 35197.79 NaN 47486.21 220412.81 188470.15
4 2010 401202.00 29992.00 403260.00 40533.60 187581.42 160867.01
5 2009 340902.80 25608.00 341401.50 35226.00 157638.80 135239.90
6 2008 314045.40 23708.00 315274.70 33702.00 149003.40 130260.20
7 2007 265810.30 20169.00 266411.00 28627.00 125831.40 110534.90
8 2006 216314.43 16499.70 215904.41 24040.00 103719.54 91310.94
9 2005 184937.37 14185.36 183617.37 22420.00 87598.09 77230.78
10 2004 159878.34 12335.58 159453.60 21412.73 73904.31 65210.03
1.7 国内生产总值(季度)
ts.get_gdp_quarter()
返回值说明：
- quarter :季度
- gdp :国内生产总值(亿元)
- gdp_yoy :国内生产总值同比增长(%)
- pi :第一产业增加值(亿元)
- pi_yoy:第一产业增加值同比增长(%)
- si :第二产业增加值(亿元)
- si_yoy :第二产业增加值同比增长(%)
- ti :第三产业增加值(亿元)
- ti_yoy :第三产业增加值同比增长(%)
结果显示：
quarter gdp gdp_yoy pi pi_yoy si si_yoy \
0 2014.4 636463.00 7.40 58332.00 4.10 271392.00 7.30
1 2014.3 419908.00 7.40 37996.00 4.20 185787.00 7.40
2 2014.2 269044.09 7.42 19812.00 3.90 123871.33 7.41
3 2014.1 128212.71 7.36 7775.68 3.50 57587.49 7.34
4 2013.4 568845.21 7.67 56957.00 4.00 249684.42 7.85
5 2013.3 387100.24 7.68 35669.00 3.40 175117.83 7.85
6 2013.2 248024.45 7.59 18622.00 3.00 116955.37 7.62
7 2013.1 118862.08 7.74 7427.00 3.40 54528.34 7.75
8 2012.4 519470.10 7.65 52373.63 4.55 235161.99 7.92
9 2012.3 353741.55 7.56 33085.87 4.25 165316.31 7.90
10 2012.2 228003.09 7.68 17469.87 4.35 110785.17 8.16
1.8 三大需求对GDP贡献
ts.get_gdp_for()
返回值说明：
- year :统计年度
- end_for :最终消费支出贡献率(%)
- for_rate :最终消费支出拉动(百分点)
- asset_for :资本形成总额贡献率(%)
- asset_rate:资本形成总额拉动(百分点)
- goods_for :货物和服务净出口贡献率(%)
- goods_rate :货物和服务净出口拉动(百分点)
结果显示：
year end_for for_rate asset_for asset_rate goods_for goods_rate
0 2013 50.0 3.9 54.4 4.2 -4.4 -0.3
1 2012 55.1 4.2 47.0 3.6 -2.1 -0.1
2 2011 56.5 5.3 47.7 4.4 -4.2 -0.4
3 2010 43.1 4.5 52.9 5.5 4.0 0.4
4 2009 49.8 4.6 87.6 8.1 -37.4 -3.5
5 2008 44.2 4.2 47.0 4.5 8.8 0.9
6 2007 39.6 5.6 42.4 6.0 18.0 2.6
7 2006 40.4 5.1 43.6 5.5 16.0 2.1
8 2005 38.7 4.4 38.5 4.3 22.8 2.6
9 2004 39.5 4.0 54.5 5.5 6.0 0.6
10 2003 35.8 3.6 63.2 6.3 1.0 0.1
1.9 三大产业对GDP拉动
ts.get_gdp_pull()
返回值说明：
- year :统计年度
- gdp_yoy :国内生产总值同比增长(%)
- pi :第一产业拉动率(%)
- si :第二产业拉动率(%)
- industry:其中工业拉动(%)
- ti :第三产业拉动率(%)
结果显示：
year gdp_yoy pi si industry ti
0 2013 7.7 0.4 3.7 3.1 3.6
1 2012 7.7 0.4 3.7 3.1 3.5
2 2011 9.3 0.4 4.8 4.2 4.1
3 2010 10.4 0.4 5.9 5.1 4.1
4 2009 9.2 0.4 4.8 3.7 4.0
5 2008 9.6 0.6 4.7 4.2 4.3
6 2007 14.2 0.4 7.2 6.2 6.6
7 2006 12.7 0.6 6.3 5.4 5.7
8 2005 11.3 0.6 5.8 4.9 4.9
9 2004 10.1 0.8 5.3 4.8 4.0
10 2003 10.0 0.3 5.9 5.2 3.8
1.10 三大产业贡献率
ts.get_gdp_contrib()
返回值说明：
- year :统计年度
- gdp_yoy :国内生产总值
- pi :第一产业献率(%)
- si :第二产业献率(%)
- industry:其中工业献率(%)
- ti :第三产业献率(%)
结果显示：
year gdp_yoy pi si industry ti
0 2013 100 4.88 48.28 39.86 46.84
1 2012 100 5.72 48.71 40.59 45.56
2 2011 100 4.61 51.61 44.67 43.77
3 2010 100 3.85 56.84 48.54 39.32
4 2009 100 4.48 51.94 40.01 43.58
5 2008 100 5.73 49.25 43.40 45.02
6 2007 100 2.99 50.70 44.03 46.31
7 2006 100 4.80 50.00 42.40 45.20
8 2005 100 5.60 51.10 43.40 43.30
9 2004 100 7.90 52.20 47.70 39.90
10 2003 100 3.40 58.50 51.90 38.10
1.11 居民消费价格指数
ts.get_cpi()
返回值说明：
- month :统计月份
- cpi :价格指数
结果显示：
month cpi
0 2014.12 101.51
1 2014.11 101.44
2 2014.10 101.60
3 2014.9 101.63
4 2014.8 101.99
5 2014.7 102.29
6 2014.6 102.34
7 2014.5 102.48
8 2014.4 101.80
9 2014.3 102.38
10 2014.2 101.95
1.12 工业品出厂价格指数
ts.get_ppi()
返回值说明：
- month :统计月份
- ppiip :工业品出厂价格指数
- ppi :生产资料价格指数
- qm:采掘工业价格指数
- rmi:原材料工业价格指数
- pi:加工工业价格指数
- cg:生活资料价格指数
- food:食品类价格指数
- clothing:衣着类价格指数
- roeu:一般日用品价格指数
- dcg:耐用消费品价格指数
结果显示：
month ppiip ppi qm rmi pi cg food clothing \
0 2014.12 96.68 95.71 86.80 93.64 97.49 99.84 99.71 100.57
1 2014.11 97.31 96.51 89.35 95.31 97.75 99.87 99.85 100.50
2 2014.10 97.76 97.05 91.13 96.32 97.95 100.04 100.17 100.51
3 2014.9 98.20 97.61 93.32 97.28 98.17 100.11 100.35 100.65
4 2014.8 98.80 98.35 95.56 98.52 98.55 100.24 100.62 100.67
5 2014.6 98.89 98.47 96.00 98.54 98.69 100.23 100.69 100.79
6 2014.5 NaN 98.05 NaN 97.96 98.38 100.17 100.41 100.82
7 2014.4 98.00 97.39 93.94 96.94 97.93 99.94 100.08 100.73
8 2014.3 97.70 97.05 93.34 96.19 97.79 99.79 99.78 100.83
9 2014.2 97.98 97.46 94.67 96.78 98.03 99.67 99.70 100.77
10 2014.1 98.36 97.95 95.95 97.52 98.34 99.65 NaN 100.72
2 ETF数据
2.1 指数ETF
code_list = ["159901", "159902", "159903", "159905", "159906", "159907", "159908", "159909", "159910", "159911", "159912", "159913", "159915", "159916", "159918", "159919", "159920", "159922", "159923", "159924", "159925", "159928", "159929", "159930", "159931", "159932", "159933", "159935", "159936", "159938", "159939", "159940", "159942", "159943", "159944", "159945", "159946", "159948", "159949", "159951", "159952", "159953", "159955", "159956", "159957", "159958", "510010", "510020", "510030", "510050", "510060", "510070", "510090", "510110", "510120", "510130", "510150", "510160", "510170", "510180", "510190", "510210", "510220", "510230", "510260", "510270", "510280", "510290", "510300", "510310", "510330", "510360", "510380", "510390", "510410", "510420", "510430", "510440", "510500", "510510", "510520", "510560", "510580", "510630", "510650", "510660", "510680", "510710", "510810", "510880", "510900", "511010", "511220", "511260", "512000", "512010", "512070", "512100", "512120", "512200", "512210", "512220", "512230", "512300", "512310", "512330", "512340", "512400", "512500", "512510", "512560", "512580", "512600", "512610", "512640", "512660", "512680", "512700", "512800", "512810", "512880", "512900", "512980", "513600", "513660"]
# Test
for each in code_list:
try:
df = ts.get_k_data(each, start='2018-03-11')
except:
print each
2.2 黄金ETF
code_list = ["159934", "159937", "518800", "518880"]
# Test
for each in code_list:
try:
df = ts.get_k_data(each, start='2018-03-11')
except:
print each
2.3 场内货币ETF
code_list = ["511600", "511650", "511660", "511620", "511670", "511680", "511690", "511700", "511760", "511770", "511800", "511810", "511820", "511830", "511850", "511860", "511880", "511900", "511910", "511920", "511930", "511950", "511960", "511970", "511980", "511990", "159001", "159003", "159005", "519800", "519808", "519858", "519878", "519888", "519898"]
# Test
for each in code_list:
try:
df = ts.get_k_data(each, start='2018-03-11')
print df
except:
print each
以下ETF无数据
519800 保证金A 申赎型 - - - 2018-03-09 - - 3.508% 3.594% 3.493% 0.00 1.71
519808 嘉实宝A 申赎型 - - - 2018-03-12 - - 3.411% 3.278% 3.302% 0.00 1.17
519858 广发宝A 申赎型 - - - 2018-03-12 - - 3.389% 3.623% 3.757% 0.00 3.09
519878 国保A 申赎型 - - - 2018-03-12 - - 3.690% 3.415% 3.516% 0.00 2.26
519888 添富快线A 申赎型 - - - 2018-03-12 - - 3.347% 3.451% 3.279% 0.00 67.44
519898 现金宝A 申赎型 - - - 2018-03-12 - - 3.748% 3.832% 3.335% 0.00 3.78
3 交易数据
3.1 历史行情
在新版0.5.6中，已经新增了一个接口：get_k_data，具体使用方法请参考tushare公众号文章《全新的免费行情数据接口》 ，建议使用全新接口。 获取个股历史交易数据（包括均线数据），可以通过参数设置获取日k线、周k线、月k线，以及5分钟、15分钟、30分钟和60分钟k线数据。本接口只能获取近3年的日线数据，适合搭配均线数据进行选股和分析，如果需要全部历史数据，请调用下一个接口get_h_data()。
参数说明：
- code：股票代码，即6位数字代码，或者指数代码（sh=上证指数 sz=深圳成指 hs300=沪深300指数 sz50=上证50 zxb=中小板 cyb=创业板）
- start：开始日期，格式YYYY-MM-DD
- end：结束日期，格式YYYY-MM-DD
- ktype：数据类型，D=日k线 W=周 M=月 5=5分钟 15=15分钟 30=30分钟 60=60分钟，默认为D
- retry_count：当网络异常后重试次数，默认为3
- pause:重试时停顿秒数，默认为0
返回值说明：
- date：日期
- open：开盘价
- high：最高价
- close：收盘价
- low：最低价
- volume：成交量
- price_change：价格变动
- p_change：涨跌幅
- ma5：5日均价
- ma10：10日均价
- ma20:20日均价
- v_ma5:5日均量
- v_ma10:10日均量
- v_ma20:20日均量
- turnover:换手率[注：指数无此项]
ts.get_hist_data('600848') #一次性获取全部日k线数据
结果显示：
open high close low volume p_change ma5 \
date
2012-01-11 6.880 7.380 7.060 6.880 14129.96 2.62 7.060
2012-01-12 7.050 7.100 6.980 6.900 7895.19 -1.13 7.020
2012-01-13 6.950 7.000 6.700 6.690 6611.87 -4.01 6.913
2012-01-16 6.680 6.750 6.510 6.480 2941.63 -2.84 6.813
2012-01-17 6.660 6.880 6.860 6.460 8642.57 5.38 6.822
2012-01-18 7.000 7.300 6.890 6.880 13075.40 0.44 6.788
2012-01-19 6.690 6.950 6.890 6.680 6117.32 0.00 6.770
2012-01-20 6.870 7.080 7.010 6.870 6813.09 1.74 6.832
ma10 ma20 v_ma5 v_ma10 v_ma20 turnover
date
2012-01-11 7.060 7.060 14129.96 14129.96 14129.96 0.48
2012-01-12 7.020 7.020 11012.58 11012.58 11012.58 0.27
2012-01-13 6.913 6.913 9545.67 9545.67 9545.67 0.23
2012-01-16 6.813 6.813 7894.66 7894.66 7894.66 0.10
2012-01-17 6.822 6.822 8044.24 8044.24 8044.24 0.30
2012-01-18 6.833 6.833 7833.33 8882.77 8882.77 0.45
2012-01-19 6.841 6.841 7477.76 8487.71 8487.71 0.21
2012-01-20 6.863 6.863 7518.00 8278.38 8278.38 0.23
其他：
- ts.get_hist_data(‘600848’, ktype=’W’) #获取周k线数据
- ts.get_hist_data(‘600848’, ktype=’M’) #获取月k线数据
- ts.get_hist_data(‘600848’, ktype=’5’) #获取5分钟k线数据
- ts.get_hist_data(‘600848’, ktype=’15’) #获取15分钟k线数据
- ts.get_hist_data(‘600848’, ktype=’30’) #获取30分钟k线数据
- ts.get_hist_data(‘600848’, ktype=’60’) #获取60分钟k线数据
- ts.get_hist_data(‘sh’）#获取上证指数k线数据，其它参数与个股一致，下同
- ts.get_hist_data(‘sz’）#获取深圳成指k线数据
- ts.get_hist_data(‘hs300’）#获取沪深300指数k线数据
- ts.get_hist_data(‘sz50’）#获取上证50指数k线数据
- ts.get_hist_data(‘zxb’）#获取中小板指数k线数据
- ts.get_hist_data(‘cyb’）#获取创业板指数k线数据
3.2复权数据
获取历史复权数据，分为前复权和后复权数据，接口提供股票上市以来所有历史数据，默认为前复权。如果不设定开始和结束日期，则返回近一年的复权数据，从性能上考虑，推荐设定开始日期和结束日期，而且最好不要超过三年以上，获取全部历史数据，请分年段分步获取，取到数据后，请及时在本地存储。获取个股首个上市日期，请参考以下方法：
df = ts.get_stock_basics()
date = df.ix['600848']['timeToMarket'] #上市日期YYYYMMDD
本接口还提供大盘指数的全部历史数据，调用时，请务必设定index参数为True,由于大盘指数不存在复权的问题，故可以忽略autype参数。
ts.get_h_data('002337') #前复权
ts.get_h_data('002337', autype='hfq') #后复权
ts.get_h_data('002337', autype=None) #不复权
ts.get_h_data('002337', start='2015-01-01', end='2015-03-16') #两个日期之间的前复权数据
ts.get_h_data('399106', index=True) #深圳综合指数
参数说明：
- code:string,股票代码 e.g. 600848
- start:string,开始日期 format：YYYY-MM-DD 为空时取当前日期
- end:string,结束日期 format：YYYY-MM-DD 为空时取去年今日
- autype:string,复权类型，qfq-前复权 hfq-后复权 None-不复权，默认为qfq
- index:Boolean，是否是大盘指数，默认为False
- retry_count : int, 默认3,如遇网络等问题重复执行的次数
- pause : int, 默认 0,重复请求数据过程中暂停的秒数，防止请求间隔时间太短出现的问题
返回值说明：
- date : 交易日期 (index)
- open : 开盘价
- high : 最高价
- close : 收盘价
- low : 最低价
- volume : 成交量
- amount : 成交金额
结果：
open high close low volume amount
date
2015-03-16 13.27 13.45 13.39 13.00 81212976 1073862784
2015-03-13 13.04 13.38 13.37 13.00 40548836 532739744
2015-03-12 13.29 13.95 13.28 12.96 71505720 962979904
2015-03-11 13.35 13.48 13.15 13.00 59110248 780300736
2015-03-10 13.16 13.67 13.59 12.72 105753088 1393819776
2015-03-09 13.77 14.73 14.13 13.70 139091552 1994454656
2015-03-06 12.17 13.39 13.39 12.17 89486704 1167752960
2015-03-05 12.79 12.80 12.17 12.08 26040832 966927360
2015-03-04 13.96 13.96 13.30 12.58 26636174 1060270720
2015-03-03 12.17 13.10 13.10 12.05 19290366 733336768
3.3 实时行情
一次性获取当前交易所有股票的行情数据（如果是节假日，即为上一交易日，结果显示速度取决于网速）
ts.get_today_all()
返回值说明：
- code：代码
- name:名称
- changepercent:涨跌幅
- trade:现价
- open:开盘价
- high:最高价
- low:最低价
- settlement:昨日收盘价
- volume:成交量
- turnoverratio:换手率
- amount:成交量
- per:市盈率
- pb:市净率
- mktcap:总市值
- nmc:流通市值
结果显示：
code name changepercent trade open high low settlement \
0 002738 中矿资源 10.023 19.32 19.32 19.32 19.32 17.56
1 300410 正业科技 10.022 25.03 25.03 25.03 25.03 22.75
2 002736 国信证券 10.013 16.37 16.37 16.37 16.37 14.88
3 300412 迦南科技 10.010 31.54 31.54 31.54 31.54 28.67
4 300411 金盾股份 10.007 29.68 29.68 29.68 29.68 26.98
5 603636 南威软件 10.006 38.15 38.15 38.15 38.15 34.68
6 002664 信质电机 10.004 30.68 29.00 30.68 28.30 27.89
7 300367 东方网力 10.004 86.76 78.00 86.76 77.87 78.87
8 601299 中国北车 10.000 11.44 11.44 11.44 11.29 10.40
9 601880 大连港 10.000 5.72 5.34 5.72 5.22 5.20
volume turnoverratio
0 375100 1.25033
1 85800 0.57200
2 1058925 0.08824
3 69400 0.51791
4 252220 1.26110
5 1374630 5.49852
6 6448748 9.32700
7 2025030 6.88669
8 433453523 4.28056
9 323469835 9.61735
3.3 历史分笔
获取个股以往交易历史的分笔数据明细，通过分析分笔数据，可以大致判断资金的进出情况。在使用过程中，对于获取股票某一阶段的历史分笔数据，需要通过参入交易日参数并append到一个DataFrame或者直接append到本地同一个文件里。历史分笔接口只能获取当前交易日之前的数据，当日分笔历史数据请调用get_today_ticks()接口或者在当日18点后通过本接口获取。
参数说明：
- code：股票代码，即6位数字代码
- date：日期，格式YYYY-MM-DD
- retry_count : int, 默认3,如遇网络等问题重复执行的次数
- pause : int, 默认 0,重复请求数据过程中暂停的秒数，防止请求间隔时间太短出现的问题
调用方法：
df = ts.get_tick_data('600848',date='2014-01-09')
返回值说明：
- time：时间
- price：成交价格
- change：价格变动
- volume：成交手
- amount：成交金额(元)
- type：买卖类型【买盘、卖盘、中性盘】
结果显示：
time price change volume amount type
0 15:00:00 6.05 -- 8 4840 卖盘
1 14:59:55 6.05 -- 50 30250 卖盘
2 14:59:35 6.05 -- 20 12100 卖盘
3 14:59:30 6.05 -0.01 165 99825 卖盘
4 14:59:20 6.06 0.01 4 2424 买盘
5 14:59:05 6.05 -0.01 2 1210 卖盘
6 14:58:55 6.06 -- 4 2424 买盘
7 14:58:45 6.06 -- 2 1212 买盘
8 14:58:35 6.06 0.01 2 1212 买盘
9 14:58:25 6.05 -0.01 20 12100 卖盘
3.5 实时分笔
获取实时分笔数据，可以实时取得股票当前报价和成交信息，其中一种场景是，写一个python定时程序来调用本接口（可两三秒执行一次，性能与行情软件基本一致），然后通过DataFrame的矩阵计算实现交易监控，可实时监测交易量和价格的变化。
参数说明：
symbols：6位数字股票代码，或者指数代码（sh=上证指数 sz=深圳成指 hs300=沪深300指数 sz50=上证50 zxb=中小板 cyb=创业板） 可输入的类型：str、list、set或者pandas的Series对象
调用方法：
df = ts.get_realtime_quotes('000581') #Single stock symbol
df[['code','name','price','bid','ask','volume','amount','time']]
结果显示：
code name price bid ask volume amount time
0 000581 威孚高科 31.15 31.14 31.15 8183020 253494991.16 11:30:36
返回值说明：
0：name，股票名字
1：open，今日开盘价
2：pre_close，昨日收盘价
3：price，当前价格
4：high，今日最高价
5：low，今日最低价
6：bid，竞买价，即“买一”报价
7：ask，竞卖价，即“卖一”报价
8：volume，成交量 maybe you need do volume/100
9：amount，成交金额（元 CNY）
10：b1_v，委买一（笔数 bid volume）
11：b1_p，委买一（价格 bid price）
12：b2_v，“买二”
13：b2_p，“买二”
14：b3_v，“买三”
15：b3_p，“买三”
16：b4_v，“买四”
17：b4_p，“买四”
18：b5_v，“买五”
19：b5_p，“买五”
20：a1_v，委卖一（笔数 ask volume）
21：a1_p，委卖一（价格 ask price）
...
30：date，日期；
31：time，时间；
请求多个股票方法（一次最好不要超过30个）：
#symbols from a list
ts.get_realtime_quotes(['600848','000980','000981'])
#from a Series
ts.get_realtime_quotes(df['code'].tail(10)) #一次获取10个股票的实时分笔数据
获取实时指数：
#上证指数
ts.get_realtime_quotes('sh')
#上证指数 深圳成指 沪深300指数 上证50 中小板 创业板
ts.get_realtime_quotes(['sh','sz','hs300','sz50','zxb','cyb'])
#或者混搭
ts.get_realtime_quotes(['sh','600848'])
3.6 当日历史分笔
获取当前交易日（交易进行中使用）已经产生的分笔明细数据。
参数说明：
- code：股票代码，即6位数字代码
- retry_count : int, 默认3,如遇网络等问题重复执行的次数
- pause : int, 默认 0,重复请求数据过程中暂停的秒数，防止请求间隔时间太短出现的问题
调用方法：
df = ts.get_today_ticks('601333')
返回值说明：
- time：时间
- price：当前价格
- pchange:涨跌幅
- change：价格变动
- volume：成交手
- amount：成交金额(元)
- type：买卖类型【买盘、卖盘、中性盘】
结果显示：
time price pchange change volume amount type
0 11:30:07 5.77 -0.52 0.00 634 366372 买盘
1 11:29:57 5.77 -0.52 0.00 216 124632 买盘
2 11:29:52 5.77 -0.52 0.00 306 176562 买盘
3 11:29:42 5.77 -0.52 0.01 159 91766 买盘
4 11:29:37 5.76 -0.69 0.00 546 314496 卖盘
5 11:29:32 5.76 -0.69 -0.01 954 549504 卖盘
6 11:29:22 5.77 -0.52 0.00 374 215798 买盘
7 11:29:17 5.77 -0.52 0.00 762 439674 买盘
8 11:29:12 5.77 -0.52 0.00 164 95182 买盘
9 11:29:07 5.77 -0.52 0.00 303 174854 买盘
3.8 大盘指数行情列表
获取大盘指数实时行情列表，以表格的形式展示大盘指数实时行情。
调用方法：
df = ts.get_index()
返回值说明：
- code:指数代码
- name:指数名称
- change:涨跌幅
- open:开盘点位
- preclose:昨日收盘点位
- close:收盘点位
- high:最高点位
- low:最低点位
- volume:成交量(手)
- amount:成交金额（亿元）
结果显示：
code name change preclose close high low \
0 000001 上证指数 -1.13 4527.396 4476.215 4572.391 4432.904
1 000002 Ａ股指数 -1.13 4744.093 4690.628 4791.534 4645.190
2 000003 Ｂ股指数 -2.15 403.694 395.018 405.795 392.173
3 000008 综合指数 0.79 3724.496 3753.906 3848.575 3695.817
4 000009 上证380 -2.79 7689.128 7474.305 7695.329 7398.911
5 000010 上证180 -1.13 10741.180 10619.610 10863.080 10529.900
6 000011 基金指数 -1.02 7033.291 6961.659 7058.856 6918.273
7 000012 国债指数 0.01 148.626 148.641 148.656 148.510
8 000016 上证50 -0.79 3308.454 3282.330 3370.025 3255.769
9 000017 新综指 -1.13 3826.013 3782.936 3864.307 3746.284
10 000300 沪深300 -1.37 4807.592 4741.861 4839.078 4703.567
11 399001 深证成指 -0.69 14809.424 14707.245 14979.810 14580.422
12 399002 深成指R -0.69 17193.832 17075.202 17391.652 16927.959
13 399003 成份Ｂ指 -1.93 9027.079 8853.081 9013.194 8826.048
14 399004 深证100R -1.79 5994.881 5887.414 6036.322 5832.431
15 399005 中小板指 -3.34 8935.338 8637.195 8953.813 8551.202
16 399006 创业板指 -2.17 2747.497 2687.974 2779.200 2650.425
17 399100 新 指 数 -2.77 10091.194 9811.256 10111.664 9718.085
18 399101 中小板综 -3.31 12792.057 12368.868 12800.453 12253.744
19 399106 深证综指 -2.76 2271.275 2208.561 2275.344 2187.897
20 399107 深证Ａ指 -2.77 2375.176 2309.466 2379.507 2287.784
21 399108 深证Ｂ指 -1.77 1398.244 1373.512 1397.996 1367.343
22 399333 中小板R -3.34 9640.766 9319.085 9660.699 9226.304
23 399606 创业板R -2.16 2828.251 2767.127 2861.040 2728.472
volume amount
0 767676416 10611.72
1 766188823 10599.65
2 1487592 12.07
3 263748855 3440.01
4 182628996 2531.04
5 464275133 6437.40
6 66280981 428.46
7 263420 2.74
8 266042859 3735.74
9 766077611 10596.65
10 608638545 8603.50
11 51106975785 6405.28
12 6357969430 1017.68
13 51206484 4.32
14 10418315890 1779.58
15 3071396395 830.54
16 1441659735 551.73
17 32943457787 6091.34
18 10450911278 2291.43
19 33395285515 6137.71
20 33274363870 6128.94
21 120921645 8.77
22 3071396395 830.54
23 1441659735 551.73
3.9 大单交易数据
获取大单交易数据，默认为大于等于400手，数据来源于新浪财经。
参数说明：
- code：股票代码，即6位数字代码
- date:日期，格式YYYY-MM-DD
- vol:手数，默认为400手，输入数值型参数
- retry_count : int, 默认3,如遇网络等问题重复执行的次数
-
pause : int, 默认 0,重复请求数据过程中暂停的秒数，防止请求间隔时间太短出现的问题 返回值说明：
- code：代码
- name：名称
- time：时间
- price：当前价格
- volume：成交手
- preprice ：上一笔价格
- type：买卖类型【买盘、卖盘、中性盘】
调用方法：
df = ts.get_sina_dd('600848', date='2015-12-24') #默认400手
#df = ts.get_sina_dd('600848', date='2015-12-24', vol=500) #指定大于等于500手的数据
结果显示：
code name time price volume preprice type
0 600848 上海临港 14:58:10 23.05 104309 23.05 卖盘
1 600848 上海临港 14:57:03 23.05 56500 23.07 卖盘
2 600848 上海临港 14:52:47 23.00 76750 23.04 卖盘
3 600848 上海临港 14:47:32 23.10 47000 23.09 买盘
4 600848 上海临港 14:16:03 23.00 60859 23.01 卖盘
5 600848 上海临港 14:15:38 23.01 68659 23.03 卖盘
6 600848 上海临港 14:00:34 23.10 66200 23.10 买盘
7 600848 上海临港 13:25:24 23.28 42000 23.09 买盘
8 600848 上海临港 13:23:54 23.28 79600 23.07 买盘
9 600848 上海临港 13:16:16 23.03 40000 23.08 卖盘
4 其它
投资参考提供一些可能会影响股票价格走势的信息数据，为投资者在做投资决策时提供数据参考，亦可作为量化策略模型的事件因子纳入模型的计算。TuShare提供的参考数据主要包括以下：
分配预案
业绩预告
限售股解禁
基金持股
新股上市
融资融券（沪市）
融资融券（深市）
分类数据提供股票的分类信息数据，从股票类型的不同角度进行数据分类，在一些统计套利方法的应用中，时常会以股票的分类来做切入，比如对某些行业或概念进行阶段统计来决定近期的交易策略等。TuShare提供的分类数据主要包括以下类别：
行业分类
概念分类
地域分类
中小板分类
创业板分类
风险警示板分类
沪深300成份股及权重
上证50成份股
中证500成份股
终止上市股票列表
暂停上市股票列表
基本面类数据提供所有股票的基本面情况，包括股本情况、业绩预告和业绩报告等。主要包括以下类别：
沪深股票列表
业绩预告
业绩报告（主表）
盈利能力数据
营运能力数据
成长能力数据
偿债能力数据
现金流量数据
龙虎榜数据接口提供历史龙虎榜上榜股票数据，主要包括以下类别：
每日龙虎榜列表
个股上榜统计
营业部上榜统计
龙虎榜机构席位追踪
龙虎榜机构席位成交明细
新闻事件接口主要提供国内财经、证券、港股和期货方面的滚动新闻，以及个股的信息地雷数据。目前主要包括以下类别：
即时财经新闻
个股信息地雷
新浪股吧新闻
Shibor接口是获取上海银行间同业拆放利率（Shanghai Interbank Offered Rate，简称Shibor）的便捷接口，以年为参数获取，可以取到公布的Shibor品种包括隔夜、1周、2周、1个月、3个月、6个月、9个月及1年的周期数据。目前主要包括以下类别：
Shibor拆放利率
银行报价数据
Shibor均值数据
贷款基础利率（LPR）
LPR均值数据
