qdata-quote 0.2.2

实时行情采集服务，支持新浪和腾讯数据源

qdata-quote

实时 A 股行情采集服务，支持新浪和腾讯两个数据源。性能超越 easyquotation 约 8-10%。

安装

pip install qdata-quote

快速开始

from qdata_quote import QuoteService

service = QuoteService()

# 设置全市场股票代码（必需）
service.set_stock_codes(["000001", "600000", "600036", "300750"])

# 同步获取指定股票行情
df = service.get_real_sync(["000001", "600000"])
print(df)

# 同步获取全市场行情快照
df_all = service.get_all_sync()

# 异步获取（高性能路径）
import asyncio
df = asyncio.run(service.get_real(["000001", "600000"]))
df_all = asyncio.run(service.get_all())

数据源

支持两个数据源，通过 source 参数指定：

# 新浪源（默认）
df = service.get_real_sync(["000001"], source="sina")

# 腾讯源（字段更丰富）
df = service.get_real_sync(["000001"], source="tencent")

数据源	每批数量	特点
sina	800 只/批	速度快，基础字段齐全
tencent	60 只/批	额外提供涨跌、市盈率、市值、量比等

返回格式

返回统一的 pandas.DataFrame，index 为带市场前缀的股票代码（如 sh600000、sz000001）。

字段列表

字段	类型	新浪	腾讯	说明
code	str	✅	✅	股票代码（index）
name	str	✅	✅	股票名称
open	float	✅	✅	开盘价
close	float	✅	✅	昨收价
now	float	✅	✅	当前价
high	float	✅	✅	最高价
low	float	✅	✅	最低价
buy	float	✅	-	买一价
sell	float	✅	-	卖一价
volume	float	✅	✅	成交量（股）
turnover	float	✅	✅	成交额（元）
bid1 ~ bid5	float	✅	✅	买一到买五价
bid1_volume ~ bid5_volume	float	✅	✅	买一到买五量（股）
ask1 ~ ask5	float	✅	✅	卖一到卖五价
ask1_volume ~ ask5_volume	float	✅	✅	卖一到卖五量（股）
datetime	str	✅	✅	行情时间
change	float	-	✅	涨跌额
change_pct	float	-	✅	涨跌幅(%)
amplitude	float	-	✅	振幅
pe_dynamic	float	-	✅	动态市盈率
pe_static	float	-	✅	静态市盈率
pb	float	-	✅	市净率
total_market_cap	float	-	✅	总市值
circulating_market_cap	float	-	✅	流通市值
volume_ratio	float	-	✅	量比
bid_ask_ratio	float	-	✅	委比
avg_price	float	-	✅	均价
limit_up	float	-	✅	涨停价
limit_down	float	-	✅	跌停价

✅ 表示有数据，- 表示 NaN。腾讯源提供更丰富的衍生指标。

会话管理

建议使用上下文管理器复用连接，在频繁轮询场景下性能更佳：

# 同步
with QuoteService() as service:
    service.set_stock_codes(codes)
    df = service.get_all_sync()

# 异步
async with QuoteService() as service:
    service.set_stock_codes(codes)
    df = await service.get_all()

性能对比

与 easyquotation 对比（5610 只股票）：

数据源	easyquotation	qdata_quote sync	qdata_quote async
新浪	~710ms	~640ms	~640ms
腾讯	~1830ms	~1720ms	~1680ms

• 同步引擎：requests + ThreadPoolExecutor 并发请求
• 异步引擎：aiohttp + asyncio.gather 并发请求
• 解析优化：文本合并后一次性正则匹配，元组直接构建 DataFrame

运行基准测试

python -m qdata_quote.bench

依赖

• Python >= 3.10
• requests >= 2.28
• aiohttp >= 3.9
• pandas >= 2.0