在日常量化分析或数据处理过程中，获取 A 股 K 线数据是基础需求之一。通过
股票api接口
，可以很方便地获取历史及实时行情数据，便于后续分析或策略验证。
下面给出一个实用的 Python 示例，演示如何通过接口获取 K 线数据，并用 Pandas 进行简单展示。
|
import
requests
import
pandas
as
pd
import
datetime
# 设置请求参数
symbol =
"SH600519"
# 茅台示例
interval =
"1d"
# 日线
start_date =
"2026-01-01"
end_date =
"2026-03-10"
url =
f"https://apis.alltick.co/stock/kline?symbol={symbol}&interval={interval}&start={start_date}&end={end_date}"
# 发起请求
response = requests.get(url)
data = response.json()
# 将数据转换为 DataFrame
df = pd.DataFrame(data[
'data'
])
df[
'datetime'
] = pd.to_datetime(df[
'timestamp'
], unit=
's'
)
df = df[[
'datetime'
,
'open'
,
'high'
,
'low'
,
'close'
,
'volume'
]]
# 展示前几行
print(df.head())
|
数据结构示例
|
datetime |
open |
high |
low |
close |
volume |
|
2026-01-02 00:00:00 |
2100.0 |
2150.0 |
2080.0 |
2125.0 |
1250000 |
|
2026-01-03 00:00:00 |
2125.0 |
2180.0 |
2110.0 |
2170.0 |
1320000 |
|
2026-01-04 00:00:00 |
2170.0 |
2200.0 |
2155.0 |
2185.0 |
1100000 |
通过这样的方式，我们可以很清晰地看到每一天的开盘价、最高价、蕞低价、收盘价以及成交量信息，为后续分析提供基础数据支持。
可扩展应用
-
策略回测
获取的 K 线数据可以直接用来做量化回测，验证不同指标或策略在历史行情下的表现。
-
图表分析
利用 Matplotlib 或 Plotly 可以绘制 K 线图，观察价格波动和趋势变化。
|
import
matplotlib.pyplot
as
plt
import
mplfinance
as
mpf
df.set_index(
'datetime'
, inplace=
True
)
mpf.plot(df, type=
'candle'
, volume=
True
, style=
'yahoo'
, title=
'SH600519 日线K线图'
)
|
-
定期抓取
可以把请求封装成定时任务，实现每日或每分钟的自动更新，保证数据实时性。
通过
股票api接口
获取数据的优势在于，接口响应直接、数据结构规范，能够方便地对接 Pandas 或其他分析工具，实现快速处理和可视化。对于开发者来说，无需手动爬取网站或处理复杂格式，就可以把关注的股票数据转化为可分析的表格和图表。