Python 获取 A 股历史日线：先检查，再排序

这次要解决什么问题？

获取数据只是第一步。这篇教程将单只股票的历史日线整理成一张日期正确、每个交易日只有一行、按时间排列的表，再导出 CSV。

案例固定为 2026 年 6 月 1 日至 6 月 30 日，使用 600519.SH 演示参数写法。代码只是方法示例，历史数据不代表当前行情，也不用于挑选股票或判断交易方向。

查询之前

先按 SDK 入门安装并初始化 api。真实查询需要有效 Token 与管理方确认的 HTTPS 网关。

下面的代码只使用当前客户端已有的 daily() 方法。不要用隐含的“最近一年”替代教程的固定日期，也不要先请求全市场再从结果中筛选一只股票。

raw = api.daily(
    ts_code="600519.SH",
    start_date="20260601",
    end_date="20260630",
)

把返回结果变成可核对的表

接上前面的查询代码：

from pathlib import Path
import numpy as np
import pandas as pd

if raw.empty:
    raise ValueError("没有返回日线，请核对参数、权限和数据覆盖")

required = {"ts_code", "trade_date", "close"}
missing = required - set(raw.columns)
if missing:
    raise ValueError(f"缺少必要字段：{sorted(missing)}")

df = raw.copy()
df["ts_code"] = df["ts_code"].astype("string").str.strip()
date_text = df["trade_date"].astype("string").str.strip()
if not date_text.str.fullmatch(r"[0-9]{8}").fillna(False).all():
    raise ValueError("交易日期应为八位 YYYYMMDD")
df["trade_date"] = pd.to_datetime(
    date_text,
    format="%Y%m%d", errors="raise",
)
if df["ts_code"].isna().any() or df["trade_date"].isna().any():
    raise ValueError("标的或交易日期有缺失")
if not df["ts_code"].eq("600519.SH").all():
    raise ValueError("返回了请求标的以外的数据")
if not df["trade_date"].between("2026-06-01", "2026-06-30").all():
    raise ValueError("返回日期超出请求区间")
if df.duplicated(["ts_code", "trade_date"]).any():
    raise ValueError("同一标的同一天有重复行，先核对来源")

df["close"] = pd.to_numeric(df["close"], errors="raise")
if df["close"].isna().any() or not np.isfinite(df["close"]).all():
    raise ValueError("收盘价存在缺失或非有限数值")
if not df["close"].gt(0).all():
    raise ValueError("收盘价存在非正数，先核对数据")

df = df.sort_values(["ts_code", "trade_date"]).reset_index(drop=True)
print(df[["ts_code", "trade_date", "close"]].to_string(index=False))

output = Path("daily_history.csv")
df.to_csv(output, index=False, encoding="utf-8-sig", date_format="%Y-%m-%d")
print("已保存：", output.resolve())

这些检查遇到异常会停止。重复日期不能悄悄删除；缺失价格也不能直接填成零。先核对异常，才能决定是否继续分析。

代码中的 numpy 随 pandas 的依赖安装。CSV 保存在运行时的当前目录；运行前确认目录，避免覆盖同名文件。

输出应该怎样看？

核对项	怎样阅读
标的	每行都是请求的股票代码
日期	位于请求区间内，按先后排序，单个标的没有重复日期
行数	是接口实际返回的行数，不等于自然日天数
收盘价	保留接口返回的价格，用于后续口径检查
其他字段	在使用前核对名称、单位、是否缺失和数据来源说明

仅有返回的日线，不能证明请求区间内所有预期交易日都完整。要检查覆盖率，还需要交易日历、停复牌资料及账户数据范围。不要用自然日补出周末或节假日的“交易行”。

没有 Token：用合成样本练习

可以下载完整示例。解压后进入含 daily_history.py 的目录，运行：

python -m pip install -r requirements.txt
python daily_history.py --demo

演示模式使用合成样本，不访问接口、不需要 Token。合成日期和价格只用于检查程序流程，不是实际行情或预期真实输出；真实查询时的行数和数值以接口结果为准。

完整脚本在项目中的位置是 examples/sdk/daily_history.py。默认只打印结果，加入 --csv 后将输出保存到当前目录下的 outputs/sdk-examples/，也可通过 --output-dir 指定其他目录。重复运行会覆盖同名输出，需要保留时请换一个目录。

获得配置后，真实模式用明确参数运行：

python daily_history.py --ts-code 600519.SH --start-date 20260601 --end-date 20260630 --csv

本页核心片段也可以独立复制；完整脚本的参数说明见 python daily_history.py --help。

为什么这里不直接计算投资收益？

daily() 返回的原始价格不是已经处理完分红、拆分等变化的复权收益序列。两天收盘价相除得到的价格变化，不一定等于可比较的持有收益。

若研究长期表现，应先确认价格口径、复权因子、交易日和所需成本。这个教程先把输入整理清楚，不把原始价格变化当成完整策略成绩。

下一步可以把这张表与每日估值数据按日期对齐：Python 合并行情与 PE/PB。