Baostock

baostock A股数据获取

任务目标

• 本 Skill 用于：通过 BaoStock 接口获取 A 股市场数据、财务指标和股票信息
• 能力包含：历史 K 线、财务数据、股票信息、行业分类、指数成分股、交易日历
• 触发条件：用户提及 baostock 或需要获取 A 股免费数据、历史行情、财务信息时

前置准备

• 依赖说明：安装 baostock 库（已包含在 dependency 中）
• 凭证配置：BaoStock 无需注册或 API Key，直接调用即可使用
• 可选配置：支持通过环境变量自定义服务器地址（用于代理场景）
• BAOSTOCK_SERVER_IP：自定义服务器 IP（用于 nginx 代理等场景）
• BAOSTOCK_SERVER_PORT：服务器端口，默认 10030

操作步骤

• 标准流程：

1. 确定数据需求 — 智能体理解用户意图（行情/K线/财务/股票信息等） 2. 调用对应脚本 — 根据数据类型选择脚本 3. 解析结果 — 智能体分析返回的 JSON 格式数据

• 脚本调用映射：
• K线/行情数据 → python scripts/market_data.py --type kline --code sh.600000 --start 2024-01-01 --end 2024-01-31
• 财务数据 → python scripts/financial_data.py --type profit --code sh.600000 --year 2023 --quarter 4
• 股票列表/信息 → python scripts/stock_info.py --type all_stocks --date 2024-01-02
• 指数成分股 → python scripts/stock_info.py --type index_stocks --index hs300
• 行业分类 → python scripts/stock_info.py --type industry
• 交易日历 → python scripts/stock_info.py --type trade_dates --start 2024-01-01 --end 2024-12-31
• 可选分支：
• 当需要多只股票数据：使用逗号分隔多个代码，或使用 --file 指定代码列表文件
• 当需要指定频率：使用 --frequency 参数（d/w/m/5/15/30/60）
• 当需要调整复权类型：使用 --adjust 参数（1=后复权，2=前复权，3=不复权）

使用示例

• 示例1：获取股票日K线数据
• 场景/输入：用户说"查看贵州茅台最近一个月的K线数据"
• 预期产出：返回日期、开盘价、最高价、最低价、收盘价、成交量等 OHLCV 数据
• 关键要点：调用 python scripts/market_data.py --type kline --code sh.600519 --start 2024-03-01 --end 2024-03-31 --frequency d --adjust 2
• 示例2：查询财务指标
• 场景/输入：用户说"获取工商银行2023年的盈利能力指标"
• 预期产出：返回 ROE、净利润率、毛利率等财务指标
• 关键要点：调用 python scripts/financial_data.py --type profit --code sh.601398 --year 2023 --quarter 4
• 示例3：获取沪深300成分股
• 场景/输入：用户说"查询沪深300指数的成分股列表"
• 预期产出：返回沪深300指数的所有成分股代码和名称
• 关键要点：调用 python scripts/stock_info.py --type index_stocks --index hs300
• 示例4：批量下载多只股票数据
• 场景/输入：用户说"下载茅台、平安、招行的2024年日K线数据"
• 预期产出：返回多只股票的 K 线数据并保存为 CSV
• 关键要点：调用 python scripts/market_data.py --type kline --code sh.600519,sz.000001,sh.600036 --start 2024-01-01 --end 2024-12-31 --output stocks.csv

快速参考

常用代码示例

import baostock as bs
import pandas as pd

# 登录系统
lg = bs.login()

# 获取日K线数据
rs = bs.query_history_k_data_plus(
    "sh.600519",
    "date,code,open,high,low,close,volume,amount",
    start_date='2024-01-01', end_date='2024-12-31',
    frequency="d", adjustflag="2"
)

# 转换为 DataFrame
data_list = []
while (rs.error_code == '0') & rs.next():
    data_list.append(rs.get_row_data())
df = pd.DataFrame(data_list, columns=rs.fields)

# 登出系统
bs.logout()

与其他数据源对比

资源索引

脚本：

• scripts/market_data.py（用途与参数：获取 K 线/行情数据，支持 --type/--code/--start/--end/--frequency/--adjust/--fields/--output）
• scripts/financial_data.py（用途与参数：获取财务数据，支持 --type/--code/--year/--quarter/--output）
• scripts/stock_info.py（用途与参数：获取股票列表/信息/行业/指数成分股，支持 --type/--date/--code/--index/--output）
• scripts/auth.py（用途与参数：认证模块，支持自定义服务器配置）

参考文档

• 常用API文档（何时读取：需要使用 BaoStock Python API、查看详细 API 参数说明时）
• 知识库文档目录（何时读取：需要查看更为全面详细 API 参数说明时）

注意事项

• BaoStock 无需注册或 API Key，直接调用 bs.login() 即可使用
• BaoStock 股票代码格式：sh.600000（上海）、sz.000001（深圳）、bj.430047（北京）
• 部分数据（如财务数据）可能有延迟，建议在交易日 9:30-15:00 之外获取
• 脚本返回 JSON 格式数据，智能体负责解析并转换为用户友好的展示
• 每个会话必须以 bs.login() 开始、bs.logout() 结束
• K 线数据默认返回字符串类型，数值计算前需用 .astype(float) 转换
• 非线程安全，并行下载请使用多进程而非多线程
• 财务数据按季度提供，报告期结束后约有 2 个月的延迟

BaoStock API 参考文档

本文档提供 BaoStock 所有 API 的详细说明和参数定义。

目录

1. 认证与配置 2. 行情数据 3. 财务数据 4. 股票信息 5. 行业与指数 6. 错误处理

---

认证与配置

bs.login()

登录 BaoStock 系统。每个会话必须以 login 开始。

lg = bs.login()

返回: LoginResult 对象

• error_code: 错误代码，"0" 表示成功
• error_msg: 错误信息

示例:

import baostock as bs

lg = bs.login()
if lg.error_code == "0":
    print("登录成功")
else:
    print(f"登录失败: {lg.error_msg}")

bs.logout()

登出 BaoStock 系统。每个会话应以 logout 结束。

bs.logout()

自定义服务器配置

支持通过环境变量或代码方式自定义服务器地址：

import os
import baostock as bs
import baostock.common.contants as cons

# 方式1：环境变量
os.environ['BAOSTOCK_SERVER_IP'] = 'your.server.ip'
os.environ['BAOSTOCK_SERVER_PORT'] = '10030'

# 方式2：代码设置
cons.BAOSTOCK_SERVER_IP = 'your.server.ip'
cons.BAOSTOCK_SERVER_PORT = 10030

# 然后登录
lg = bs.login()

---

行情数据

query_history_k_data_plus()

获取历史 K 线数据（主要行情接口）。

rs = bs.query_history_k_data_plus(
    code,
    fields,
    start_date=None,
    end_date=None,
    frequency='d',
    adjustflag='3'
)

参数:

日线可用字段:

分钟线可用字段:

返回: QueryResult 对象

• error_code: 错误代码
• error_msg: 错误信息
• fields: 字段名列表
• next(): 获取下一行数据
• get_row_data(): 获取当前行数据列表

示例:

# 获取贵州茅台2024年日K线（前复权）
rs = bs.query_history_k_data_plus(
    "sh.600519",
    "date,code,open,high,low,close,volume,amount,pctChg",
    start_date="2024-01-01",
    end_date="2024-12-31",
    frequency="d",
    adjustflag="2"
)

data = []
while rs.next():
    data.append(rs.get_row_data())
df = pd.DataFrame(data, columns=rs.fields)

---

财务数据

query_profit_data()

获取盈利能力数据。

rs = bs.query_profit_data(code, year, quarter)

参数:

• code (str): 股票代码
• year (int): 年份，如 2023
• quarter (int): 季度，1/2/3/4

返回字段:

query_operation_data()

获取营运能力数据。

rs = bs.query_operation_data(code, year, quarter)

返回字段:

query_growth_data()

获取成长能力数据。

rs = bs.query_growth_data(code, year, quarter)

返回字段:

query_balance_data()

获取偿债能力数据。

rs = bs.query_balance_data(code, year, quarter)

返回字段:

query_cash_flow_data()

获取现金流量数据。

rs = bs.query_cash_flow_data(code, year, quarter)

返回字段:

query_dupont_data()

获取杜邦分析数据。

rs = bs.query_dupont_data(code, year, quarter)

返回字段:

---

股票信息

query_all_stock()

获取全部证券列表。

rs = bs.query_all_stock(day=None)

参数:

• day (str): 查询日期，格式 YYYY-MM-DD，默认今天

返回字段:

• code: 证券代码
• tradeStatus: 交易状态（0=停牌，1=正常）
• code_name: 证券名称

query_stock_basic()

获取股票基本信息。

rs = bs.query_stock_basic(code=None)

参数:

• code (str): 股票代码，不传则返回全部

返回字段:

• code: 股票代码
• code_name: 股票名称
• ipoDate: 上市日期
• outDate: 退市日期（如有）
• type: 类型（1=股票，2=指数，3=其他）
• status: 状态（0=退市，1=上市）

query_trade_dates()

获取交易日历。

rs = bs.query_trade_dates(start_date, end_date)

参数:

• start_date (str): 开始日期 YYYY-MM-DD
• end_date (str): 结束日期 YYYY-MM-DD

返回字段:

• calendar_date: 日历日期
• is_trading_day: 是否交易日（0=否，1=是）

query_dividend_data()

获取分红信息。

rs = bs.query_dividend_data(code, year, yearType="report")

参数:

• code (str): 股票代码
• year (str): 年份，如 "2023"
• yearType (str): 类型，report(报告期) 或 operate(实施期)

---

行业与指数

query_stock_industry()

获取行业分类数据。

rs = bs.query_stock_industry()

返回字段:

• updateDate: 更新日期
• code: 证券代码
• code_name: 证券名称
• industry: 所属行业
• industryClassification: 行业分类标准

query_hs300_stocks()

获取沪深300成分股。

rs = bs.query_hs300_stocks()

返回字段:

• code: 证券代码
• code_name: 证券名称

query_sz50_stocks()

获取上证50成分股。

rs = bs.query_sz50_stocks()

query_zz500_stocks()

获取中证500成分股。

rs = bs.query_zz500_stocks()

---

股票代码格式

---

错误处理

常见错误代码

错误处理示例

import baostock as bs

lg = bs.login()
if lg.error_code != "0":
    if lg.error_code == "10001011":
        print("IP 已被加入黑名单，请联系官方")
    else:
        print(f"登录失败: {lg.error_msg} ({lg.error_code})")
    sys.exit(1)

# 查询数据
rs = bs.query_history_k_data_plus("sh.600000", "date,close")
if rs.error_code != '0':
    print(f"查询失败: {rs.error_msg}")
else:
    # 处理数据
    pass

bs.logout()

使用技巧

1. 数据类型转换: K线数据默认返回字符串，数值计算前需转换

   df['close'] = df['close'].astype(float)

2. 非线程安全: 并行下载请使用多进程而非多线程

   from multiprocessing import Pool
   # 使用 Pool 进行并行下载

3. 财务数据延迟: 季度报告发布后约2个月才能在 BaoStock 获取

4. 分钟线限制: 指数无分钟级数据，仅股票支持

5. 复权选择:

• 前复权（2）：适用于分析历史走势
• 后复权（1）：适用于计算收益率
• 不复权（3）：原始数据

存款利率

存款利率：query_deposit_rate_data()

方法说明：通过API接口获取存款利率，可以通过参数设置获取对应起止日期的数据。 返回类型：pandas的DataFrame类型。 使用示例

    import baostock as bs
    import pandas as pd

    # 登陆系统
    lg = bs.login()
    # 显示登陆返回信息
    print('login respond error_code:'+lg.error_code)
    print('login respond  error_msg:'+lg.error_msg)

    # 获取存款利率
    rs = bs.query_deposit_rate_data(start_date="2015-01-01", end_date="2015-12-31")
    print('query_deposit_rate_data respond error_code:'+rs.error_code)
    print('query_deposit_rate_data respond  error_msg:'+rs.error_msg)

    # 打印结果集
    data_list = []
    while (rs.error_code == '0') & rs.next():
        # 获取一条记录，将记录合并在一起
        data_list.append(rs.get_row_data())
    result = pd.DataFrame(data_list, columns=rs.fields)
    # 结果集输出到csv文件
    result.to_csv("D:/deposit_rate.csv", encoding="gbk", index=False)
    print(result)

    # 登出系统
    bs.logout()

参数含义：

• start_date：开始日期，格式XXXX-XX-XX，发布日期在这个范围内，可以为空；
• end_date：结束日期，格式XXXX-XX-XX，发布日期在这个范围内，可以为空。

返回示例数据

返回示例数据

返回数据说明

除权除息信息

除权除息信息：query_dividend_data()

通过API接口获取除权除息信息数据（预披露、预案、正式都已通过）。示例数据：下载

    import baostock as bs
    import pandas as pd

    #### 登陆系统 ####
    lg = bs.login()
    # 显示登陆返回信息
    print('login respond error_code:'+lg.error_code)
    print('login respond  error_msg:'+lg.error_msg)

    #### 查询除权除息信息####
    # 查询2015年除权除息信息
    rs_list = []
    rs_dividend_2015 = bs.query_dividend_data(code="sh.600000", year="2015", yearType="report")
    while (rs_dividend_2015.error_code == '0') & rs_dividend_2015.next():
        rs_list.append(rs_dividend_2015.get_row_data())

    # 查询2016年除权除息信息
    rs_dividend_2016 = bs.query_dividend_data(code="sh.600000", year="2016", yearType="report")
    while (rs_dividend_2016.error_code == '0') & rs_dividend_2016.next():
        rs_list.append(rs_dividend_2016.get_row_data())

    # 查询2017年除权除息信息
    rs_dividend_2017 = bs.query_dividend_data(code="sh.600000", year="2017", yearType="report")
    while (rs_dividend_2017.error_code == '0') & rs_dividend_2017.next():
        rs_list.append(rs_dividend_2017.get_row_data())

    result_dividend = pd.DataFrame(rs_list, columns=rs_dividend_2017.fields)
    # 打印输出
    print(result_dividend)

    #### 结果集输出到csv文件 ####
    result_dividend.to_csv("D:\\history_Dividend_data.csv", encoding="gbk",index=False)

    #### 登出系统 ####
    bs.logout()

参数含义：

• code：股票代码，sh或sz.+6位数字代码，或者指数代码，如：sh.601398。sh：上海；sz：深圳。此参数不可为空；
• year：年份，如：2017。此参数不可为空；
• yearType：年份类别，默认为"report":预案公告年份，可选项"operate":除权除息年份。此参数不可为空。

返回示例数据

返回示例数据

返回数据说明

复权因子信息

复权因子：query_adjust_factor()

通过API接口获取复权因子信息数据。示例数据：下载

BaoStock提供的是涨跌幅复权算法 复权因子，具体介绍见：[媒体文件:BaoStock复权因子简介.pdf](https://www.baostock.com/helpdocs/pdf/BaoStock%E5%A4%8D%E6%9D%83%E5%9B%A0%E5%AD%90%E7%AE%80%E4%BB%8B.pdf "BaoStock复权因子简介.pdf")。

基于BaoStock复权因子与本地BaoStock日K线数据生成复权行情，具体介绍见：<a href="localdatafactorInfo.md" style="color:#000; font-weight:bold;">利用本地Baostock日K线数据手动计算复权价格</a>。

    import baostock as bs
    import pandas as pd

    # 登陆系统
    lg = bs.login()
    # 显示登陆返回信息
    print('login respond error_code:'+lg.error_code)
    print('login respond  error_msg:'+lg.error_msg)

    # 查询2015至2017年复权因子
    rs_list = []
    rs_factor = bs.query_adjust_factor(code="sh.600000", start_date="2015-01-01", end_date="2017-12-31")
    while (rs_factor.error_code == '0') & rs_factor.next():
        rs_list.append(rs_factor.get_row_data())
    result_factor = pd.DataFrame(rs_list, columns=rs_factor.fields)
    # 打印输出
    print(result_factor)

    # 结果集输出到csv文件
    result_factor.to_csv("D:\\adjust_factor_data.csv", encoding="gbk", index=False)

    # 登出系统
    bs.logout()

参数含义：

• code：股票代码，sh或sz.+6位数字代码，或者指数代码，如：sh.601398。sh：上海；sz：深圳。此参数不可为空；
• start_date：开始日期，为空时默认为2015-01-01，包含此日期；
• end_date：结束日期，为空时默认当前日期，包含此日期。

返回示例数据

返回数据说明

平台介绍

证券宝`www.baostock.com`是一个免费、开源的证券数据平台（无需注册）。

• 提供大量准确、完整的证券历史行情数据、上市公司财务数据等。
• 通过python API获取证券数据信息，满足量化交易投资者、数量金融爱好者、计量经济从业者数据需求。
• 返回的数据格式：
• pandas DataFrame类型，以便于用pandas/NumPy/Matplotlib进行数据分析和可视化。
• 同时支持通过BaoStock的数据存储功能，将数据全部保存到本地后进行分析。
• 支持语言：目前版本BaoStock.com目前只支持Python3.5或Python3.6及以上(暂不支持python 2.x)。
• 持续更新：BaoStock.com还在不断的完善和优化，后续将逐步增加港股、期货、外汇和基金等方面的金融数据，为成为一个免费金融数据平台努力。
• 分享优化：请通过微信、网站博客或者知乎文章等方式分享给大家，使它能在大家的使用过程中逐步得到改进与提升，以便于更好地为大家提供免费服务。
• 平台麦克：证券宝BaoStock.com从发布到现在，已经帮助很多用户在数据方面减轻了工作量，同时也得到很多用户的反馈。它将一如既往的以免费、开源的形式分享出来，希望给有需要的朋友带来一些帮助。

联系方式：Baostock官方技术QQ群：1091604126(问题解答、技术交流)；EMail:`baostock@163.com`。 免费证券数据平台证券宝www.baostock.com会逐步分享证券投资文章、投资观点及教程，希望能够帮助大家！

下载安装

方式1：pip install baostock

使用指定源安装：

pip install baostock -i https://pypi.org/simple

方式2：访问 https://pypi.python.org/pypi/baostock 下载安装

python setup.py install或pip install xxx.whl

注意：程序运行时，文件名、文件夹名不能是baostock。

版本升级

 pip install --upgrade baostock -i https://pypi.org/simple

使用前提：

安装Python

安装pandas（pip install pandas）

建议安装Anaconda，以免出现问题（Anaconda是一个开源的Python发行版本，其包含了conda、Python等180多个科学包及其依赖项，下载地址https://www.anaconda.com/download/）。

每日最新数据更新时间：

• 当前交易日17:30，完成日K线数据入库；
• 当前交易日18:00，完成复权因子数据入库；
• 当前交易日20:00，完成分钟K线数据入库；
• 第二自然日1:30，完成前交易日“其它财务报告数据”入库；
• 周六17:30，完成周K线数据入库；
• 每月1号17:30，完成上月月K线数据入库；

每周数据更新时间：

• 每周一下午，完成上证50成份股、沪深300成份股、中证500成份股信息数据入库；

数据范围说明

股票数据

• 日、周、月K线数据，时间范围：1990-12-19至今。
• 5、15、30、60分钟K线数据，时间范围（近5年）：2020-01-03至今。

ETF数据

• 日、周、月K线数据，时间范围：2026-01-05至今。
• 5、15、30、60分钟K线数据，时间范围：2026-01-05至今。

指数数据

• 日、周、月K线已经包含指数(不提供分钟K线数据)：综合指数，规模指数，一级行业指数，二级行业指数，策略指数，成长指数，价值指数，主题指数，基金指数，债券指数。
• 时间范围：2006-01-01至今。

季频财务数据

• 已经包含的财务数据：部分上市公司资产负债信息、上市公司现金流量信息、上市公司利润信息、上市公司杜邦指标信息。
• 时间范围：2007年至今。

季频公司报告

• 上市公司业绩预告信息，时间范围：2003年至今。
• 上市公司业绩快报信息，时间范围：2006年至今。

版本信息

V0.9.1版本 2026/04/15

• 支持多节点服务请求。

V0.8.9版本 2024/05/31

• 修复退出时socket未关闭问题；调整Demo程序的位置。

V0.8.8版本 2019/01/25

• 新增接口get_data()，返回dataframe格式数据。

V0.8.7版本 2018/12/14

• 优化服务器、客户端之间的网络传输。

V0.8.5版本 2018/12/7

• 新增2019年交易日数据。

V0.8.5版本 2018/11/27

• 新增2006年01月-2018年09月指数成分股数据。

V0.8.5版本 2018/10/15

• 新增2006-2010年，日、周、月K线数据。

V0.8.5版本 2018/9/14

• 新增2011年，5分钟、15分钟、30分钟、60分钟、日、周、月K线数据。
• 新增“行业分类”接口：query_stock_industry()。
• 新增“上证50成分股”接口：query_sz50_stocks()。
• 新增“沪深300成分股”接口：query_hs300_stocks()。
• 新增“中证500成分股”接口：query_zz500_stocks()。

V0.8.1版本 2018/8/10

• 新增2012、2013年，5分钟、15分钟、30分钟、60分钟、日、周、月K线数据。
• 增强“历史A股K线数据”接口：query_history_k_data()，添加周、月线前后复权功能。
• 增强“证券代码查询”接口：query_all_stock()，查询结果添加证券名称。
• 增强“季频盈利能力”接口：query_profit_data()，查询结果添加总股本(totalShare)、流通股本(liqaShare)。

V0.8.0版本 2018/7/27

• 新增“证券基本资料”接口query_stock_basic()。
• 新增“存款利率”接口query_deposit_rate_data()，提供1990年至今数据。
• 新增“贷款利率”接口query_loan_rate_data()，提供1990年至今数据。
• 新增“存款准备金率”接口query_required_reserve_ratio_data()，提供1999年至今数据。
• 新增“货币供应量”接口query_money_supply_data_month()，提供1978年至今数据。
• 新增“货币供应量(年底余额)”接口query_money_supply_data_year()，提供1952年至今数据。
• 新增“银行间同业拆放利率”接口query_shibor_data()，提供2006-10-08至今数据。

V0.7.6.03版本 2018/6/1

• 新增2014年，5分钟、15分钟、30分钟、60分钟、日、周、月K线数据。
• 新增2014年交易日信息。
• 优化登陆逻辑。

V0.7.6.02版本 2018/5/14

• 新增2015-2016交易日信息。
• 优化获取K线前后复权数据的性能。

V0.7.5版本 2018/4/20

• 增强接口“获取历史A股K线数据”：query_history_k_data()，新增查询日K线、分钟线前后复权数据；周K线、月K线暂不支持。

V0.7.2版本 2018/4/13

• 新增接口“交易日查询”：query_trade_dates()，提供2017-2018年数据。
• 新增接口“证券代码查询”：query_all_stock()，提供2015年至今数据。

V0.7.0版本 2018/3/30

• 新增接口“盈利能力”接口query_profit_data()，提供2007至今的数据。
• 新增接口“营运能力”接口query_operation_data()，提供2007至今的数据。
• 新增接口“成长能力”接口query_growth_data()，提供2007至今的数据。
• 新增接口“偿债能力”接口query_balance_data()，提供2007至今的数据。
• 新增接口“现金流量”接口query_cash_flow_data()，提供2007至今的数据。
• 新增接口“杜邦指标”接口query_dupont_data()，提供2007至今的数据。
• 新增接口“公司业绩快报”接口query_performance_express_report()，提供2003至今的数据。
• 新增接口“公司业绩预告”接口query_forcast_report()，提供2006至今的数据。
• 新增web端下载示例数据。

V0.6.2版本 2018/3/16

• 新增'查询复权因子'接口query_adjust_factor()，提供1990至2017年数据。
• API性能优化，加快获取数据速度。
• 接口中忽略证券代码大小写。
• 接口中对指标参数大小写不敏感。
• 官网中提供搜索功能。

V0.6.1版本 2018/2/13

• 接口query_history_k_data()，新增"d=日k线、w=周k线、m=月k线"2015-01-01至今的规模指数、一级行业指数、二级行业指数、策略指数、成长指数、价值指数、主题指数。
• 接口query_history_k_data()，新增"d=日k线"滚动市盈率(peTTM)、市净率(pbMRQ)、滚动市销率(psTTM)、滚动市现率(pcfNcfTTM)。
• 接口query_history_k_data()，新增指数、股票"d=日k线、w=周k线、m=月k线"的涨跌幅(pctChg)。
• 接口query_history_k_data()，新增股票"d=日k线"的'是否ST(isST)'。
• 新增'查询除权除息信息'接口query_dividend_data()，提供1990年至2017年数据。

V0.5.5版本 2018/2/5

• 优化next()方法，获取大量数据时分批次获取。

V0.5.1版本 2018/1/11

• 新增获取历史K线数据接口query_history_k_data()。
• 提供2015-01-01至今的上交所A股、深交所A股，上交所指数（综合指数）、深交所指数（综合指数）d=日k线、w=周k线、m=月k线、5=5分钟、15=15分钟、30=30分钟、60=60分钟k线数据。

沪深300成分股

沪深300成分股：query_hs300_stocks()

方法说明：通过API接口获取沪深300成分股信息，更新频率：每周一更新。返回类型：pandas的DataFrame类型。 使用示例

    import baostock as bs
    import pandas as pd

    # 登陆系统
    lg = bs.login()
    # 显示登陆返回信息
    print('login respond error_code:'+lg.error_code)
    print('login respond  error_msg:'+lg.error_msg)

    # 获取沪深300成分股
    rs = bs.query_hs300_stocks()
    print('query_hs300 error_code:'+rs.error_code)
    print('query_hs300  error_msg:'+rs.error_msg)

    # 打印结果集
    hs300_stocks = []
    while (rs.error_code == '0') & rs.next():
        # 获取一条记录，将记录合并在一起
        hs300_stocks.append(rs.get_row_data())
    result = pd.DataFrame(hs300_stocks, columns=rs.fields)
    # 结果集输出到csv文件
    result.to_csv("D:/hs300_stocks.csv", encoding="gbk", index=False)
    print(result)

    # 登出系统
    bs.logout()

参数含义：

• date：查询日期，格式XXXX-XX-XX，为空时默认最新日期。

返回示例数据

返回数据说明

baostock 知识库目录

• 平台介绍
• Python API文档
• A股K线数据
• 指数数据
• 估值指标(日频)
• 除权除息信息
• 复权因子信息
• 本地计算前复权
• 季频盈利能力
• 季频营运能力
• 季频成长能力
• 季频偿债能力
• 季频现金流量
• 季频杜邦指数
• 季频业绩快报
• 季频业绩预告
• 证券基本资料
• 存款利率
• 贷款利率
• 存款准备金率
• 货币供应量
• 货币供应量余额
• 行业分类
• 上证50成分股
• 沪深300成分股
• 中证500成分股
• 证券元信息
• 公式与数据说明

指数数据

通过API接口获取指数(综合指数、规模指数、一级行业指数、二级行业指数、策略指数、成长指数、价值指数、主题指数)K线数据。

1. 综合指数，例如：sh.000001 上证指数，sz.399106 深证综指 等； 2. 规模指数，例如：sh.000016 上证50，sh.000300 沪深300，sh.000905 中证500，sz.399001 深证成指等； 3. 一级行业指数，例如：sh.000037 上证医药，sz.399433 国证交运 等； 4. 二级行业指数，例如：sh.000952 300地产，sz.399951 300银行 等； 5. 策略指数，例如：sh.000050 50等权，sh.000982 500等权 等； 6. 成长指数，例如：sz.399376 小盘成长 等； 7. 价值指数，例如：sh.000029 180价值 等； 8. 主题指数，例如：sh.000015 红利指数，sh.000063 上证周期 等； 9. 基金指数，例如：sh.000011 上证基金指数 等； 10. 债券指数，例如：sh.000012 上证国债指数 等；

沪深指数K线数据 示例

指数未提供分钟线数据。示例数据：下载

    import baostock as bs
    import pandas as pd

    # 登陆系统
    lg = bs.login()
    # 显示登陆返回信息
    print('login respond error_code:'+lg.error_code)
    print('login respond  error_msg:'+lg.error_msg)

    # 获取指数(综合指数、规模指数、一级行业指数、二级行业指数、策略指数、成长指数、价值指数、主题指数)K线数据
    # 综合指数，例如：sh.000001 上证指数，sz.399106 深证综指 等；
    # 规模指数，例如：sh.000016 上证50，sh.000300 沪深300，sh.000905 中证500，sz.399001 深证成指等；
    # 一级行业指数，例如：sh.000037 上证医药，sz.399433 国证交运 等；
    # 二级行业指数，例如：sh.000952 300地产，sz.399951 300银行 等；
    # 策略指数，例如：sh.000050 50等权，sh.000982 500等权 等；
    # 成长指数，例如：sz.399376 小盘成长 等；
    # 价值指数，例如：sh.000029 180价值 等；
    # 主题指数，例如：sh.000015 红利指数，sh.000063 上证周期 等；

    # 详细指标参数，参见“历史行情指标参数”章节；“周月线”参数与“日线”参数不同。
    # 周月线指标：date,code,open,high,low,close,volume,amount,adjustflag,turn,pctChg
    rs = bs.query_history_k_data_plus("sh.000001",
        "date,code,open,high,low,close,preclose,volume,amount,pctChg",
        start_date='2017-01-01', end_date='2017-06-30', frequency="d")
    print('query_history_k_data_plus respond error_code:'+rs.error_code)
    print('query_history_k_data_plus respond  error_msg:'+rs.error_msg)

    # 打印结果集
    data_list = []
    while (rs.error_code == '0') & rs.next():
        # 获取一条记录，将记录合并在一起
        data_list.append(rs.get_row_data())
    result = pd.DataFrame(data_list, columns=rs.fields)
    # 结果集输出到csv文件
    result.to_csv("D:\\history_Index_k_data.csv", index=False)
    print(result)

    # 登出系统
    bs.logout()

参数含义：

• code：股票代码，sh或sz.+6位数字代码，或者指数代码，如：sh.601398。sh：上海；sz：深圳。此参数不可为空；
• fields：指示简称，支持多指标输入，以半角逗号分隔，填写内容作为返回类型的列。详细指标列表见历史行情指标参数章节 。此参数不可为空；
• start：开始日期（包含），格式“YYYY-MM-DD”，为空时取2015-01-01；
• end：结束日期（不包含），格式“YYYY-MM-DD”，为空时取最近一个交易日；
• frequency：数据类型，默认为d，日k线；d=日k线、w=周、m=月、5=5分钟、15=15分钟、30=30分钟、60=60分钟k线数据，不区分大小写；指数没有分钟线数据；周线每周最后一个交易日才可以获取，月线第月最后一个交易日才可以获取。

返回示例数据

返回数据说明

贷款利率

贷款利率：query_loan_rate_data()

方法说明：通过API接口获取贷款利率，可以通过参数设置获取对应起止日期的数据。 返回类型：pandas的DataFrame类型。 使用示例

    import baostock as bs
    import pandas as pd

    # 登陆系统
    lg = bs.login()
    # 显示登陆返回信息
    print('login respond error_code:'+lg.error_code)
    print('login respond  error_msg:'+lg.error_msg)

    # 获取贷款利率
    rs = bs.query_loan_rate_data(start_date="2010-01-01", end_date="2015-12-31")
    print('query_loan_rate_data respond error_code:'+rs.error_code)
    print('query_loan_rate_data respond  error_msg:'+rs.error_msg)

    # 打印结果集
    data_list = []
    while (rs.error_code == '0') & rs.next():
        # 获取一条记录，将记录合并在一起
        data_list.append(rs.get_row_data())
    result = pd.DataFrame(data_list, columns=rs.fields)
    # 结果集输出到csv文件
    result.to_csv("D:/loan_rate.csv", encoding="gbk", index=False)
    print(result)

    # 登出系统
    bs.logout()

参数含义：

• start_date：开始日期，格式XXXX-XX-XX，发布日期在这个范围内，可以为空；
• end_date：结束日期，格式XXXX-XX-XX，发布日期在这个范围内，可以为空。

返回示例数据

返回示例数据

返回数据说明

利用本地Baostock日K线数据手动计算复权价格

在量化策略回测中，复权数据是保证价格连续性的基础。为避免频繁请求BaoStock API，可通过BaoStock复权因子(<a href="factorInfo.md">BaoStock复权因子获取方法见：query_adjust_factor()</a>)与本地存储的原始日K线数据(<a href="stockKData.md">日K线获取方法见：query_history_k_data_plus()</a>)自行计算复权价格（分钟线同理）。媒体文件:利用BaoStock本地日K线数据手动计算复权价格.pdf 本文以浦发银行（sh.600000）为例，展示 2014-01-01 至 2020-01-01 区间内，基于BaoStock复权因子计算前复权日 K 线的完整流程（后复权方法类似）。

import baostock as bs
import pandas as pd

# 初始化baostock
lg = bs.login()

# 定义股票代码和时间范围
stock_code = "sh.600000"  # 浦发银行
start_date = "2014-01-01"
end_date = "2020-01-01"

# 1. 获取非复权日K线数据
print("\n1. 获取非复权日K线数据...")

# "sh600000_from_baostock.csv"是从baostock下载到本地的日K线数据(时间：2014-01-01到2020-01-01)
# "sh600000_from_baostock.csv"包含如下数据：date,open,high,low,close,volume
baostock_file_path = "sh600000_from_baostock.csv"
kline_df = pd.read_csv(baostock_file_path)
print(f"获取到 {len(kline_df)} 条非复权日K线数据")

# 转换数据类型
kline_df["open"] = kline_df["open"].astype(float)
kline_df["high"] = kline_df["high"].astype(float)
kline_df["low"] = kline_df["low"].astype(float)
kline_df["close"] = kline_df["close"].astype(float)
kline_df["volume"] = kline_df["volume"].astype(float)
kline_df['date'] = pd.to_datetime(kline_df['date'])

# 2. 获取复权因子数据
print("\n2. 获取复权因子数据...")
# 注意：需要获取更早的复权因子，因为前复权需要用到整个历史区间的因子
factor_start = "2010-01-01"  # 扩大到2010年
factor_end = end_date

adjust_factor_data = bs.query_adjust_factor(
	stock_code,
	start_date=factor_start,
	end_date=factor_end
)

adjust_factor_df = adjust_factor_data.get_data()
print(f"获取到 {len(adjust_factor_df)} 条复权因子数据")
print(adjust_factor_df[['dividOperateDate', 'foreAdjustFactor']])

# 转换数据类型
adjust_factor_df['dividOperateDate'] = pd.to_datetime(adjust_factor_df['dividOperateDate'])
adjust_factor_df['foreAdjustFactor'] = adjust_factor_df['foreAdjustFactor'].astype(float)
adjust_factor_df = adjust_factor_df.sort_values('dividOperateDate')

# 3. 正确的复权计算方法
print("\n3. 计算前复权数据...")

# 创建复权因子查找函数
def get_factor_for_date(trade_date):
	"""
	查找小于等于交易日期的最接近的复权因子
	"""
	mask = adjust_factor_df['dividOperateDate'] <= trade_date
	if mask.any():
		return adjust_factor_df.loc[mask, 'foreAdjustFactor'].iloc[-1]
	else:
		# 如果没有找到，返回最新的复权因子（用于前复权）
		if not adjust_factor_df.empty:
			return adjust_factor_df['foreAdjustFactor'].iloc[-1]
		return 1.0

# 为每个交易日查找对应的复权因子
print("正在为每个交易日匹配复权因子...")
kline_df['adj_factor'] = kline_df['date'].apply(get_factor_for_date)

# 正确计算前复权数据：原始价格 / 复权因子
kline_df["adj_open"] = kline_df["open"] * kline_df["adj_factor"]
kline_df["adj_high"] = kline_df["high"] * kline_df["adj_factor"]
kline_df["adj_low"] = kline_df["low"] * kline_df["adj_factor"]
kline_df["adj_close"] = kline_df["close"] * kline_df["adj_factor"]

print("\n计算完成，复权后的数据：")
print(kline_df[['date', 'open', 'adj_open', 'close', 'adj_close', 'adj_factor']].head(10))

# 保存数据（可选）
kline_df.to_csv("sh600000_calculated.csv", index=False, float_format='%.6f')
print("\n数据已保存到CSV文件")

# 退出baostock
bs.logout()

存款准备金率

存款准备金率：query_required_reserve_ratio_data()

方法说明：通过API接口获取存款准备金率，可以通过参数设置获取对应起止日期的数据。 返回类型：pandas的DataFrame类型。 使用示例

    import baostock as bs
    import pandas as pd

    # 登陆系统
    lg = bs.login()
    # 显示登陆返回信息
    print('login respond error_code:'+lg.error_code)
    print('login respond  error_msg:'+lg.error_msg)

    # 获取存款准备金率
    rs = bs.query_required_reserve_ratio_data(start_date="2010-01-01", end_date="2015-12-31")
    print('query_required_reserve_ratio_data respond error_code:'+rs.error_code)
    print('query_required_reserve_ratio_data respond  error_msg:'+rs.error_msg)

    # 打印结果集
    data_list = []
    while (rs.error_code == '0') & rs.next():
        # 获取一条记录，将记录合并在一起
        data_list.append(rs.get_row_data())
    result = pd.DataFrame(data_list, columns=rs.fields)
    # 结果集输出到csv文件
    result.to_csv("D:/required_reserve_ratio.csv", encoding="gbk", index=False)
    print(result)

    # 登出系统
    bs.logout()

参数含义：

• start_date：开始日期，格式XXXX-XX-XX，发布日期在这个范围内，可以为空；
• end_date：结束日期，格式XXXX-XX-XX，发布日期在这个范围内，可以为空；
• yearType:年份类别，默认为0，查询公告日期；1查询生效日期。

返回示例数据

返回示例数据

返回数据说明

季频偿债能力

季频偿债能力：query_balance_data()

方法说明：通过API接口获取季频偿债能力信息，可以通过参数设置获取对应年份、季度数据，提供2007年至今数据。 返回类型：pandas的DataFrame类型。 使用示例

    import baostock as bs
    import pandas as pd

    # 登陆系统
    lg = bs.login()
    # 显示登陆返回信息
    print('login respond error_code:'+lg.error_code)
    print('login respond  error_msg:'+lg.error_msg)

    # 偿债能力
    balance_list = []
    rs_balance = bs.query_balance_data(code="sh.600000", year=2017, quarter=2)
    while (rs_balance.error_code == '0') & rs_balance.next():
        balance_list.append(rs_balance.get_row_data())
    result_balance = pd.DataFrame(balance_list, columns=rs_balance.fields)
    # 打印输出
    print(result_balance)
    # 结果集输出到csv文件
    result_balance.to_csv("D:\\balance_data.csv", encoding="gbk", index=False)

    # 登出系统
    bs.logout()

参数含义：

• code：股票代码，sh或sz.+6位数字代码，或者指数代码，如：sh.601398。sh：上海；sz：深圳。此参数不可为空；
• year：统计年份，为空时默认当前年；
• quarter：统计季度，为空时默认当前季度。不为空时只有4个取值：1，2，3，4。

返回示例数据

返回数据说明

季频现金流量

季频现金流量：query_cash_flow_data()

方法说明：通过API接口获取季频现金流量信息，可以通过参数设置获取对应年份、季度数据，提供2007年至今数据。 返回类型：pandas的DataFrame类型。 使用示例

    import baostock as bs
    import pandas as pd

    # 登陆系统
    lg = bs.login()
    # 显示登陆返回信息
    print('login respond error_code:'+lg.error_code)
    print('login respond  error_msg:'+lg.error_msg)

    # 季频现金流量
    cash_flow_list = []
    rs_cash_flow = bs.query_cash_flow_data(code="sh.600000", year=2017, quarter=2)
    while (rs_cash_flow.error_code == '0') & rs_cash_flow.next():
        cash_flow_list.append(rs_cash_flow.get_row_data())
    result_cash_flow = pd.DataFrame(cash_flow_list, columns=rs_cash_flow.fields)
    # 打印输出
    print(result_cash_flow)
    # 结果集输出到csv文件
    result_cash_flow.to_csv("D:\\cash_flow_data.csv", encoding="gbk", index=False)

    # 登出系统
    bs.logout()

参数含义：

• code：股票代码，sh或sz.+6位数字代码，或者指数代码，如：sh.601398。sh：上海；sz：深圳。此参数不可为空；
• year：统计年份，为空时默认当前年；
• quarter：统计季度，为空时默认当前季度。不为空时只有4个取值：1，2，3，4。

返回示例数据

返回数据说明

季频杜邦指数

季频杜邦指数：query_dupont_data()

方法说明：通过API接口获取季频杜邦指数信息，可以通过参数设置获取对应年份、季度数据，提供2007年至今数据。 返回类型：pandas的DataFrame类型。 使用示例

    import baostock as bs
    import pandas as pd

    # 登陆系统
    lg = bs.login()
    # 显示登陆返回信息
    print('login respond error_code:'+lg.error_code)
    print('login respond  error_msg:'+lg.error_msg)

    # 查询杜邦指数
    dupont_list = []
    rs_dupont = bs.query_dupont_data(code="sh.600000", year=2017, quarter=2)
    while (rs_dupont.error_code == '0') & rs_dupont.next():
        dupont_list.append(rs_dupont.get_row_data())
    result_dupont = pd.DataFrame(dupont_list, columns=rs_dupont.fields)
    # 打印输出
    print(result_dupont)
    # 结果集输出到csv文件
    result_dupont.to_csv("D:\\dupont_data.csv", encoding="gbk", index=False)

    # 登出系统
    bs.logout()

参数含义：

• code：股票代码，sh或sz.+6位数字代码，或者指数代码，如：sh.601398。sh：上海；sz：深圳。此参数不可为空；
• year：统计年份，为空时默认当前年；
• quarter：统计季度，为空时默认当前季度。不为空时只有4个取值：1，2，3，4。

返回示例数据

返回示例数据

返回数据说明

季频业绩快报

季频公司业绩快报：query_performance_express_report()

方法说明：通过API接口获取季频公司业绩快报信息，可以通过参数设置获取起止年份数据，提供2006年至今数据。除几种特殊情况外，交易所未要求必须发布。

返回类型：pandas的DataFrame类型。

使用示例

    import baostock as bs
    import pandas as pd

    #### 登陆系统 ####
    lg = bs.login()
    # 显示登陆返回信息
    print('login respond error_code:'+lg.error_code)
    print('login respond  error_msg:'+lg.error_msg)

    #### 获取公司业绩快报 ####
    rs = bs.query_performance_express_report("sh.600000", start_date="2015-01-01", end_date="2017-12-31")
    print('query_performance_express_report respond error_code:'+rs.error_code)
    print('query_performance_express_report respond  error_msg:'+rs.error_msg)

    result_list = []
    while (rs.error_code == '0') & rs.next():
        result_list.append(rs.get_row_data())
        # 获取一条记录，将记录合并在一起
    result = pd.DataFrame(result_list, columns=rs.fields)
    #### 结果集输出到csv文件 ####
    result.to_csv("D:\\performance_express_report.csv", encoding="gbk", index=False)
    print(result)

    #### 登出系统 ####
    bs.logout()

参数含义：

• code：股票代码，sh或sz.+6位数字代码，或者指数代码，如：sh.601398。sh：上海；sz：深圳。此参数不可为空；
• start_date：开始日期，发布日期或更新日期在这个范围内；
• end_date：结束日期，发布日期或更新日期在这个范围内。

返回示例数据

返回示例数据

返回数据说明

季频业绩预告

季频公司业绩预告：query_forecast_report()

方法说明：通过API接口获取季频公司业绩预告信息，可以通过参数设置获取起止年份数据，提供2003年至今数据。除几种特殊情况外，交易所未要求必须发布。

返回类型：pandas的DataFrame类型。

使用示例

    import baostock as bs
    import pandas as pd

    #### 登陆系统 ####
    lg = bs.login()
    # 显示登陆返回信息
    print('login respond error_code:'+lg.error_code)
    print('login respond  error_msg:'+lg.error_msg)

    #### 获取公司业绩预告 ####
    rs_forecast = bs.query_forecast_report("sh.600000", start_date="2010-01-01", end_date="2017-12-31")
    print('query_forecast_reprot respond error_code:'+rs_forecast.error_code)
    print('query_forecast_reprot respond  error_msg:'+rs_forecast.error_msg)
    rs_forecast_list = []
    while (rs_forecast.error_code == '0') & rs_forecast.next():
        # 分页查询，将每页信息合并在一起
        rs_forecast_list.append(rs_forecast.get_row_data())
    result_forecast = pd.DataFrame(rs_forecast_list, columns=rs_forecast.fields)
    #### 结果集输出到csv文件 ####
    result_forecast.to_csv("D:\\forecast_report.csv", encoding="gbk", index=False)
    print(result_forecast)

    #### 登出系统 ####
    bs.logout()

参数含义：

• code：股票代码，sh或sz.+6位数字代码，或者指数代码，如：sh.601398。sh：上海；sz：深圳。此参数不可为空；
• start_date：开始日期，发布日期或更新日期在这个范围内；
• end_date：结束日期，发布日期或更新日期在这个范围内。

返回示例数据

返回示例数据

返回数据说明

季频成长能力

季频成长能力：query_growth_data()

方法说明：通过API接口获取季频成长能力信息，可以通过参数设置获取对应年份、季度数据，提供2007年至今数据。 返回类型：pandas的DataFrame类型。 使用示例

    import baostock as bs
    import pandas as pd

    # 登陆系统
    lg = bs.login()
    # 显示登陆返回信息
    print('login respond error_code:'+lg.error_code)
    print('login respond  error_msg:'+lg.error_msg)

    # 成长能力
    growth_list = []
    rs_growth = bs.query_growth_data(code="sh.600000", year=2017, quarter=2)
    while (rs_growth.error_code == '0') & rs_growth.next():
        growth_list.append(rs_growth.get_row_data())
    result_growth = pd.DataFrame(growth_list, columns=rs_growth.fields)
    # 打印输出
    print(result_growth)
    # 结果集输出到csv文件
    result_growth.to_csv("D:\\growth_data.csv", encoding="gbk", index=False)

    # 登出系统
    bs.logout()

参数含义：

• code：股票代码，sh或sz.+6位数字代码，或者指数代码，如：sh.601398。sh：上海；sz：深圳。此参数不可为空；
• year：统计年份，为空时默认当前年；
• quarter：统计季度，为空时默认当前季度。不为空时只有4个取值：1，2，3，4。

返回示例数据

返回数据说明

季频营运能力

季频营运能力：query_operation_data()

方法说明：通过API接口获取季频营运能力信息，可以通过参数设置获取对应年份、季度数据，提供2007年至今数据。

返回类型：pandas的DataFrame类型。

使用示例

    import baostock as bs
    import pandas as pd

    # 登陆系统
    lg = bs.login()
    # 显示登陆返回信息
    print('login respond error_code:'+lg.error_code)
    print('login respond  error_msg:'+lg.error_msg)

    # 营运能力
    operation_list = []
    rs_operation = bs.query_operation_data(code="sh.600000", year=2017, quarter=2)
    while (rs_operation.error_code == '0') & rs_operation.next():
        operation_list.append(rs_operation.get_row_data())
    result_operation = pd.DataFrame(operation_list, columns=rs_operation.fields)
    # 打印输出
    print(result_operation)
    # 结果集输出到csv文件
    result_operation.to_csv("D:\\operation_data.csv", encoding="gbk", index=False)

    # 登出系统
    bs.logout()

参数含义：

• code：股票代码，sh或sz.+6位数字代码，或者指数代码，如：sh.601398。sh：上海；sz：深圳。此参数不可为空；
• year：统计年份，为空时默认当前年；
• quarter：统计季度，为空时默认当前季度。不为空时只有4个取值：1，2，3，4。

返回示例数据

返回数据说明

季频盈利能力

季频盈利能力：query_profit_data()

方法说明：通过API接口获取季频盈利能力信息，可以通过参数设置获取对应年份、季度数据，提供2007年至今数据。

返回类型：pandas的DataFrame类型。

使用示例

    import baostock as bs
    import pandas as pd

    # 登陆系统
    lg = bs.login()
    # 显示登陆返回信息
    print('login respond error_code:'+lg.error_code)
    print('login respond  error_msg:'+lg.error_msg)

    # 查询季频估值指标盈利能力
    profit_list = []
    rs_profit = bs.query_profit_data(code="sh.600000", year=2017, quarter=2)
    while (rs_profit.error_code == '0') & rs_profit.next():
        profit_list.append(rs_profit.get_row_data())
    result_profit = pd.DataFrame(profit_list, columns=rs_profit.fields)
    # 打印输出
    print(result_profit)
    # 结果集输出到csv文件
    result_profit.to_csv("D:\\profit_data.csv", encoding="gbk", index=False)

    # 登出系统
    bs.logout()

参数含义：

• code：股票代码，sh或sz.+6位数字代码，或者指数代码，如：sh.601398。sh：上海；sz：深圳。此参数不可为空；
• year：统计年份，为空时默认当前年；
• quarter：统计季度，可为空，默认当前季度。不为空时只有4个取值：1，2，3，4。

返回示例数据

返回数据说明

证券基本资料

证券基本资料：query_stock_basic()

方法说明：通过API接口获取证券基本资料，可以通过参数设置获取对应证券代码、证券名称的数据。 返回类型：pandas的DataFrame类型。 使用示例

    import baostock as bs
    import pandas as pd

    # 登陆系统
    lg = bs.login()
    # 显示登陆返回信息
    print('login respond error_code:'+lg.error_code)
    print('login respond  error_msg:'+lg.error_msg)

    # 获取证券基本资料
    rs = bs.query_stock_basic(code="sh.600000")
    # rs = bs.query_stock_basic(code_name="浦发银行")  # 支持模糊查询
    print('query_stock_basic respond error_code:'+rs.error_code)
    print('query_stock_basic respond  error_msg:'+rs.error_msg)

    # 打印结果集
    data_list = []
    while (rs.error_code == '0') & rs.next():
        # 获取一条记录，将记录合并在一起
        data_list.append(rs.get_row_data())
    result = pd.DataFrame(data_list, columns=rs.fields)
    # 结果集输出到csv文件
    result.to_csv("D:/stock_basic.csv", encoding="gbk", index=False)
    print(result)

    # 登出系统
    bs.logout()

参数含义：

• code：A股股票代码，sh或sz.+6位数字代码，或者指数代码，如：sh.601398。sh：上海；sz：深圳。可以为空；
• code_name：股票名称，支持模糊查询，可以为空。
• 当参数为空时，输出全部股票的基本信息。

返回示例数据

返回数据说明

证券元信息

获取交易日信息

    import baostock as bs
    import pandas as pd

    #### 登陆系统 ####
    lg = bs.login()
    # 显示登陆返回信息
    print('login respond error_code:'+lg.error_code)
    print('login respond  error_msg:'+lg.error_msg)

    #### 获取交易日信息 ####
    rs = bs.query_trade_dates(start_date="2017-01-01", end_date="2017-06-30")
    print('query_trade_dates respond error_code:'+rs.error_code)
    print('query_trade_dates respond  error_msg:'+rs.error_msg)

    #### 打印结果集 ####
    data_list = []
    while (rs.error_code == '0') & rs.next():
        # 获取一条记录，将记录合并在一起
        data_list.append(rs.get_row_data())
    result = pd.DataFrame(data_list, columns=rs.fields)

    #### 结果集输出到csv文件 ####
    result.to_csv("D:\\trade_datas.csv", encoding="gbk", index=False)
    print(result)

    #### 登出系统 ####
    bs.logout()

获取某日所有证券信息

    import baostock as bs
    import pandas as pd

    #### 登陆系统 ####
    lg = bs.login()
    # 显示登陆返回信息
    print('login respond error_code:'+lg.error_code)
    print('login respond  error_msg:'+lg.error_msg)

    #### 获取某日所有证券信息 ####
    rs = bs.query_all_stock(day="2024-10-25")  #当参数“day”为空时，默认取当天日期。闭市后日K线数据更新，该接口才会返回当天数据，否则返回空。
    print('query_all_stock respond error_code:'+rs.error_code)
    print('query_all_stock respond  error_msg:'+rs.error_msg)

    #### 打印结果集 ####
    data_list = []
    while (rs.error_code == '0') & rs.next():
        # 获取一条记录，将记录合并在一起
        data_list.append(rs.get_row_data())
    result = pd.DataFrame(data_list, columns=rs.fields)

    #### 结果集输出到csv文件 ####
    result.to_csv("D:\\all_stock.csv", encoding="gbk", index=False)
    print(result)

    #### 登出系统 ####
    bs.logout()

A股K线数据

获取历史A股K线数据：query_history_k_data_plus()

方法说明：通过API接口获取A股历史交易数据，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，适合搭配均线数据进行选股和分析。

返回类型：pandas的DataFrame类型。

能获取1990-12-19至当前时间的数据；

可查询不复权、前复权、后复权数据。

示例数据：下载

日线使用示例：

    import baostock as bs
    import pandas as pd

    #### 登陆系统 ####
    lg = bs.login()
    # 显示登陆返回信息
    print('login respond error_code:'+lg.error_code)
    print('login respond  error_msg:'+lg.error_msg)

    #### 获取沪深A股历史K线数据 ####
    # 详细指标参数，参见“历史行情指标参数”章节；“分钟线”参数与“日线”参数不同。“分钟线”不包含指数。
    # 分钟线指标：date,time,code,open,high,low,close,volume,amount,adjustflag
    # 周月线指标：date,code,open,high,low,close,volume,amount,adjustflag,turn,pctChg
    rs = bs.query_history_k_data_plus("sh.600000",
        "date,code,open,high,low,close,preclose,volume,amount,adjustflag,turn,tradestatus,pctChg,isST",
        start_date='2024-07-01', end_date='2024-12-31',
        frequency="d", adjustflag="3")
    print('query_history_k_data_plus respond error_code:'+rs.error_code)
    print('query_history_k_data_plus respond  error_msg:'+rs.error_msg)

    #### 打印结果集 ####
    data_list = []
    while (rs.error_code == '0') & rs.next():
        # 获取一条记录，将记录合并在一起
        data_list.append(rs.get_row_data())
    result = pd.DataFrame(data_list, columns=rs.fields)

    #### 结果集输出到csv文件 ####
    result.to_csv("D:\\history_A_stock_k_data.csv", index=False)
    print(result)

    #### 登出系统 ####
    bs.logout()

分钟线使用示例：

    import baostock as bs
    import pandas as pd

    #### 登陆系统 ####
    lg = bs.login()
    # 显示登陆返回信息
    print('login respond error_code:'+lg.error_code)
    print('login respond  error_msg:'+lg.error_msg)

    #### 获取沪深A股历史K线数据 ####
    # 详细指标参数，参见“历史行情指标参数”章节；“分钟线”参数与“日线”参数不同。“分钟线”不包含指数。
    # 分钟线指标：date,time,code,open,high,low,close,volume,amount,adjustflag
    # 周月线指标：date,code,open,high,low,close,volume,amount,adjustflag,turn,pctChg
    rs = bs.query_history_k_data_plus("sh.600000",
        "date,time,code,open,high,low,close,volume,amount,adjustflag",
        start_date='2024-07-01', end_date='2024-12-31',
        frequency="5", adjustflag="3")
    print('query_history_k_data_plus respond error_code:'+rs.error_code)
    print('query_history_k_data_plus respond  error_msg:'+rs.error_msg)

    #### 打印结果集 ####
    data_list = []
    while (rs.error_code == '0') & rs.next():
        # 获取一条记录，将记录合并在一起
        data_list.append(rs.get_row_data())
    result = pd.DataFrame(data_list, columns=rs.fields)

    #### 结果集输出到csv文件 ####
    result.to_csv("D:\\history_A_stock_k_data.csv", index=False)
    print(result)

    #### 登出系统 ####
    bs.logout()

参数含义：

• code：股票代码，sh或sz.+6位数字代码，或者指数代码，如：sh.601398。sh：上海；sz：深圳。此参数不可为空；
• fields：指示简称，支持多指标输入，以半角逗号分隔，填写内容作为返回类型的列。详细指标列表见历史行情指标参数章节，日线与分钟线参数不同。此参数不可为空；
• start：开始日期（包含），格式“YYYY-MM-DD”，为空时取2015-01-01；
• end：结束日期（包含），格式“YYYY-MM-DD”，为空时取最近一个交易日；
• frequency：数据类型，默认为d，日k线；d=日k线、w=周、m=月、5=5分钟、15=15分钟、30=30分钟、60=60分钟k线数据，不区分大小写；指数没有分钟线数据；周线每周最后一个交易日才可以获取，月线每月最后一个交易日才可以获取。
• adjustflag：复权类型，默认不复权：3；1：后复权；2：前复权。已支持分钟线、日线、周线、月线前后复权。 BaoStock提供的是涨跌幅复权算法复权因子，具体介绍见[BaoStock复权因子简介](https://www.baostock.com/helpdocs/pdf/BaoStock%E5%A4%8D%E6%9D%83%E5%9B%A0%E5%AD%90%E7%AE%80%E4%BB%8B.pdf "BaoStock复权因子简介.pdf")。

注意：

• 股票停牌时，对于日线，开、高、低、收价都相同，且都为前一交易日的收盘价，成交量、成交额为0，换手率为空。

如果需要将换手率转为float类型，可使用如下方法转换：result["turn"] = [0 if x == "" else float(x) for x in result["turn"]]

关于复权数据的说明：

BaoStock使用“涨跌幅复权法”进行复权，详细说明参考上文“复权因子简介”。不同系统间采用复权方式可能不一致，导致数据不一致。

“涨跌幅复权法的”优点：可以计算出资金收益率，确保初始投入的资金运用率为100%，既不会因为分红而导致投资减少，也不会因为配股导致投资增加。

与同花顺、通达信等存在不同。

返回示例数据

返回数据说明

注意“前收盘价”说明：

证券在指定交易日行情数据的前收盘价，当日发生除权除息时，“前收盘价”不是前一天的实际收盘价，而是根据股权登记日收盘价与分红现金的数量、配送股的数里和配股价的高低等结合起来算出来的价格。

具体计算方法如下:

1、计算除息价:

除息价=股息登记日的收盘价-每股所分红利现金额

2、计算除权价:

送红股后的除权价=股权登记日的收盘价/(1+每股送红股数)

配股后的除权价=(股权登记日的收盘价+配股价\*每股配股数)/(1+每股配股数)

3、计算除权除息价

除权除息价=(股权登记日的收盘价-每股所分红利现金额+配股价\*每股配股数)/(1+每股送红股数+每股配股数)

“前收盘价”由交易所计算并公布。首发日的“前收盘价”等于“首发价格”。

历史行情指标参数

日线指标参数（包含停牌证券）

周、月线指标参数

5、15、30、60分钟线指标参数(不包含指数)

行业分类

行业分类：query_stock_industry()

方法说明：通过API接口获取行业分类信息，更新频率：每周一更新。返回类型：pandas的DataFrame类型。 使用示例

    import baostock as bs
    import pandas as pd

    # 登陆系统
    lg = bs.login()
    # 显示登陆返回信息
    print('login respond error_code:'+lg.error_code)
    print('login respond  error_msg:'+lg.error_msg)

    # 获取行业分类数据
    rs = bs.query_stock_industry()
    # rs = bs.query_stock_basic(code_name="浦发银行")
    print('query_stock_industry error_code:'+rs.error_code)
    print('query_stock_industry respond  error_msg:'+rs.error_msg)

    # 打印结果集
    industry_list = []
    while (rs.error_code == '0') & rs.next():
    # 获取一条记录，将记录合并在一起
    industry_list.append(rs.get_row_data())
    result = pd.DataFrame(industry_list, columns=rs.fields)
    # 结果集输出到csv文件
    result.to_csv("D:/stock_industry.csv", encoding="gbk", index=False)
    print(result)

    # 登出系统
    bs.logout()

参数含义：

• code：A股股票代码，sh或sz.+6位数字代码，或者指数代码，如：sh.601398。sh：上海；sz：深圳。可以为空；
• date：查询日期，格式XXXX-XX-XX，为空时默认最新日期。

返回示例数据

返回数据说明

A股K线数据

获取历史A股K线数据：query_history_k_data_plus()

方法说明：通过API接口获取A股历史交易数据，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，适合搭配均线数据进行选股和分析。

返回类型：pandas的DataFrame类型。

能获取1990-12-19至当前时间的数据；

可查询不复权、前复权、后复权数据。

示例数据：下载

日线使用示例：

    import baostock as bs
    import pandas as pd

    #### 登陆系统 ####
    lg = bs.login()
    # 显示登陆返回信息
    print('login respond error_code:'+lg.error_code)
    print('login respond  error_msg:'+lg.error_msg)

    #### 获取沪深A股历史K线数据 ####
    # 详细指标参数，参见“历史行情指标参数”章节；“分钟线”参数与“日线”参数不同。“分钟线”不包含指数。
    # 分钟线指标：date,time,code,open,high,low,close,volume,amount,adjustflag
    # 周月线指标：date,code,open,high,low,close,volume,amount,adjustflag,turn,pctChg
    rs = bs.query_history_k_data_plus("sh.600000",
        "date,code,open,high,low,close,preclose,volume,amount,adjustflag,turn,tradestatus,pctChg,isST",
        start_date='2024-07-01', end_date='2024-12-31',
        frequency="d", adjustflag="3")
    print('query_history_k_data_plus respond error_code:'+rs.error_code)
    print('query_history_k_data_plus respond  error_msg:'+rs.error_msg)

    #### 打印结果集 ####
    data_list = []
    while (rs.error_code == '0') & rs.next():
        # 获取一条记录，将记录合并在一起
        data_list.append(rs.get_row_data())
    result = pd.DataFrame(data_list, columns=rs.fields)

    #### 结果集输出到csv文件 ####
    result.to_csv("D:\\history_A_stock_k_data.csv", index=False)
    print(result)

    #### 登出系统 ####
    bs.logout()

分钟线使用示例：

    import baostock as bs
    import pandas as pd

    #### 登陆系统 ####
    lg = bs.login()
    # 显示登陆返回信息
    print('login respond error_code:'+lg.error_code)
    print('login respond  error_msg:'+lg.error_msg)

    #### 获取沪深A股历史K线数据 ####
    # 详细指标参数，参见“历史行情指标参数”章节；“分钟线”参数与“日线”参数不同。“分钟线”不包含指数。
    # 分钟线指标：date,time,code,open,high,low,close,volume,amount,adjustflag
    # 周月线指标：date,code,open,high,low,close,volume,amount,adjustflag,turn,pctChg
    rs = bs.query_history_k_data_plus("sh.600000",
        "date,time,code,open,high,low,close,volume,amount,adjustflag",
        start_date='2024-07-01', end_date='2024-12-31',
        frequency="5", adjustflag="3")
    print('query_history_k_data_plus respond error_code:'+rs.error_code)
    print('query_history_k_data_plus respond  error_msg:'+rs.error_msg)

    #### 打印结果集 ####
    data_list = []
    while (rs.error_code == '0') & rs.next():
        # 获取一条记录，将记录合并在一起
        data_list.append(rs.get_row_data())
    result = pd.DataFrame(data_list, columns=rs.fields)

    #### 结果集输出到csv文件 ####
    result.to_csv("D:\\history_A_stock_k_data.csv", index=False)
    print(result)

    #### 登出系统 ####
    bs.logout()

参数含义：

• code：股票代码，sh或sz.+6位数字代码，或者指数代码，如：sh.601398。sh：上海；sz：深圳。此参数不可为空；
• fields：指示简称，支持多指标输入，以半角逗号分隔，填写内容作为返回类型的列。详细指标列表见历史行情指标参数章节，日线与分钟线参数不同。此参数不可为空；
• start：开始日期（包含），格式“YYYY-MM-DD”，为空时取2015-01-01；
• end：结束日期（包含），格式“YYYY-MM-DD”，为空时取最近一个交易日；
• frequency：数据类型，默认为d，日k线；d=日k线、w=周、m=月、5=5分钟、15=15分钟、30=30分钟、60=60分钟k线数据，不区分大小写；指数没有分钟线数据；周线每周最后一个交易日才可以获取，月线每月最后一个交易日才可以获取。
• adjustflag：复权类型，默认不复权：3；1：后复权；2：前复权。已支持分钟线、日线、周线、月线前后复权。 BaoStock提供的是涨跌幅复权算法复权因子，具体介绍见[BaoStock复权因子简介](https://www.baostock.com/helpdocs/pdf/BaoStock%E5%A4%8D%E6%9D%83%E5%9B%A0%E5%AD%90%E7%AE%80%E4%BB%8B.pdf "BaoStock复权因子简介.pdf")。

注意：

• 股票停牌时，对于日线，开、高、低、收价都相同，且都为前一交易日的收盘价，成交量、成交额为0，换手率为空。

如果需要将换手率转为float类型，可使用如下方法转换：result["turn"] = [0 if x == "" else float(x) for x in result["turn"]]

关于复权数据的说明：

BaoStock使用“涨跌幅复权法”进行复权，详细说明参考上文“复权因子简介”。不同系统间采用复权方式可能不一致，导致数据不一致。

“涨跌幅复权法的”优点：可以计算出资金收益率，确保初始投入的资金运用率为100%，既不会因为分红而导致投资减少，也不会因为配股导致投资增加。

与同花顺、通达信等存在不同。

返回示例数据

返回数据说明

注意“前收盘价”说明：

证券在指定交易日行情数据的前收盘价，当日发生除权除息时，“前收盘价”不是前一天的实际收盘价，而是根据股权登记日收盘价与分红现金的数量、配送股的数里和配股价的高低等结合起来算出来的价格。

具体计算方法如下:

1、计算除息价:

除息价=股息登记日的收盘价-每股所分红利现金额

2、计算除权价:

送红股后的除权价=股权登记日的收盘价/(1+每股送红股数)

配股后的除权价=(股权登记日的收盘价+配股价\*每股配股数)/(1+每股配股数)

3、计算除权除息价

除权除息价=(股权登记日的收盘价-每股所分红利现金额+配股价\*每股配股数)/(1+每股送红股数+每股配股数)

“前收盘价”由交易所计算并公布。首发日的“前收盘价”等于“首发价格”。

历史行情指标参数

日线指标参数（包含停牌证券）

周、月线指标参数

5、15、30、60分钟线指标参数(不包含指数)

货币供应量

货币供应量：query_money_supply_data_month()

方法说明：通过API接口获取货币供应量，可以通过参数设置获取对应起止日期的数据。 返回类型：pandas的DataFrame类型。 使用示例

    import baostock as bs
    import pandas as pd

    # 登陆系统
    lg = bs.login()
    # 显示登陆返回信息
    print('login respond error_code:'+lg.error_code)
    print('login respond  error_msg:'+lg.error_msg)

    # 获取货币供应量
    rs = bs.query_money_supply_data_month(start_date="2010-01", end_date="2015-12")
    print('query_money_supply_data_month respond error_code:'+rs.error_code)
    print('query_money_supply_data_month respond  error_msg:'+rs.error_msg)

    # 打印结果集
    data_list = []
    while (rs.error_code == '0') & rs.next():
        # 获取一条记录，将记录合并在一起
        data_list.append(rs.get_row_data())
    result = pd.DataFrame(data_list, columns=rs.fields)
    # 结果集输出到csv文件
    result.to_csv("D:/money_supply_data_month.csv", encoding="gbk", index=False)
    print(result)

    # 登出系统
    bs.logout()

参数含义：

• start_date：开始日期，格式XXXX-XX，发布日期在这个范围内，可以为空；
• end_date：结束日期，格式XXXX-XX，发布日期在这个范围内，可以为空。

返回示例数据

返回示例数据

返回数据说明

货币供应量(年底余额)

货币供应量(年底余额)：query_money_supply_data_year()

方法说明：通过API接口获取货币供应量(年底余额)，可以通过参数设置获取对应起止日期的数据。 返回类型：pandas的DataFrame类型。 使用示例

    import baostock as bs
    import pandas as pd

    # 登陆系统
    lg = bs.login()
    # 显示登陆返回信息
    print('login respond error_code:'+lg.error_code)
    print('login respond  error_msg:'+lg.error_msg)

    # 获取货币供应量(年底余额)
    rs = bs.query_money_supply_data_year(start_date="2010", end_date="2015")
    print('query_money_supply_data_year respond error_code:'+rs.error_code)
    print('query_money_supply_data_year respond  error_msg:'+rs.error_msg)

    # 打印结果集
    data_list = []
    while (rs.error_code == '0') & rs.next():
        # 获取一条记录，将记录合并在一起
        data_list.append(rs.get_row_data())
    result = pd.DataFrame(data_list, columns=rs.fields)
    # 结果集输出到csv文件
    result.to_csv("D:/money_supply_data_year.csv", encoding="gbk", index=False)
    print(result)

    # 登出系统
    bs.logout()

参数含义：

• start_date：开始日期，格式XXXX，发布日期在这个范围内，可以为空；
• end_date：结束日期，格式XXXX，发布日期在这个范围内，可以为空。

返回示例数据

返回数据说明

上证50成分股

上证50成分股：query_sz50_stocks()

方法说明：通过API接口获取上证50成分股信息，更新频率：每周一更新。返回类型：pandas的DataFrame类型。 使用示例

    import baostock as bs
    import pandas as pd

    # 登陆系统
    lg = bs.login()
    # 显示登陆返回信息
    print('login respond error_code:'+lg.error_code)
    print('login respond  error_msg:'+lg.error_msg)

    # 获取上证50成分股
    rs = bs.query_sz50_stocks()
    print('query_sz50 error_code:'+rs.error_code)
    print('query_sz50  error_msg:'+rs.error_msg)

    # 打印结果集
    sz50_stocks = []
    while (rs.error_code == '0') & rs.next():
        # 获取一条记录，将记录合并在一起
        sz50_stocks.append(rs.get_row_data())
    result = pd.DataFrame(sz50_stocks, columns=rs.fields)
    # 结果集输出到csv文件
    result.to_csv("D:/sz50_stocks.csv", encoding="gbk", index=False)
    print(result)

    # 登出系统
    bs.logout()

参数含义：

• date：查询日期，格式XXXX-XX-XX，为空时默认最新日期。

返回示例数据

返回数据说明

估值指标(日频)

沪深A股估值指标(日频) 示例

通过query_history_k_data_plus()获取沪深A股估值指标(日频)数据（指数未提供估值数据），未提供周、月估值数据。示例数据：下载

    import baostock as bs
    import pandas as pd

    #### 登陆系统 ####
    lg = bs.login()
    # 显示登陆返回信息
    print('login respond error_code:'+lg.error_code)
    print('login respond  error_msg:'+lg.error_msg)

    #### 获取沪深A股估值指标(日频)数据 ####
    # peTTM    滚动市盈率
    # psTTM    滚动市销率
    # pcfNcfTTM    滚动市现率
    # pbMRQ    市净率
    rs = bs.query_history_k_data_plus("sh.600000",
        "date,code,close,peTTM,pbMRQ,psTTM,pcfNcfTTM",
        start_date='2015-01-01', end_date='2017-12-31',
        frequency="d", adjustflag="3")
    print('query_history_k_data_plus respond error_code:'+rs.error_code)
    print('query_history_k_data_plus respond  error_msg:'+rs.error_msg)

    #### 打印结果集 ####
    result_list = []
    while (rs.error_code == '0') & rs.next():
        # 获取一条记录，将记录合并在一起
        result_list.append(rs.get_row_data())
    result = pd.DataFrame(result_list, columns=rs.fields)

    #### 结果集输出到csv文件 ####
    result.to_csv("D:\\history_A_stock_valuation_indicator_data.csv", encoding="gbk", index=False)
    print(result)

    #### 登出系统 ####
    bs.logout()

返回数据说明

中证500成分股

中证500成分股：query_zz500_stocks()

方法说明：通过API接口获取中证500成分股信息，更新频率：每周一更新。返回类型：pandas的DataFrame类型。 使用示例

    import baostock as bs
    import pandas as pd

    # 登陆系统
    lg = bs.login()
    # 显示登陆返回信息
    print('login respond error_code:'+lg.error_code)
    print('login respond  error_msg:'+lg.error_msg)

    # 获取中证500成分股
    rs = bs.query_zz500_stocks()
    print('query_zz500 error_code:'+rs.error_code)
    print('query_zz500  error_msg:'+rs.error_msg)

    # 打印结果集
    zz500_stocks = []
    while (rs.error_code == '0') & rs.next():
        # 获取一条记录，将记录合并在一起
        zz500_stocks.append(rs.get_row_data())
    result = pd.DataFrame(zz500_stocks, columns=rs.fields)
    # 结果集输出到csv文件
    result.to_csv("D:/zz500_stocks.csv", encoding="gbk", index=False)
    print(result)

    # 登出系统
    bs.logout()

参数含义：

• date：查询日期，格式XXXX-XX-XX，为空时默认最新日期。

返回示例数据

返回数据说明

baostock 详细 API 文档索引

目录

1. 常用核心 API 参考文档 2. 详细知识库文档目录