要获取个股的五档买卖盘口,应按「代码.交易所后缀」调用盘口接口 qd.depth.get(symbol),从返回字典里直接读取买价、买量、卖价、卖量四组列表,而不是去爬行情网页,也不要按 Level-2 或逐笔成交去理解这份数据。多只股票用循环逐个请求,需要对照最新价时再取快照,但盘口时间戳和快照成交时间来源不同,不能当成同一时刻。
QuantDash 用统一的代码格式提供 A 股(沪深京)、港股和美股行情。本文只讲五档盘口及其与最新价快照的对照,不涉及逐笔、Level-2 或其他未写入文档的能力。安装后即可按下面的方式初始化:
from quantdash import QuantDash
qd = QuantDash(api_key="your-api-key")
# 也可以先 export QUANTDASH_API_KEY,再写 QuantDash()
1. 先把代码写成「代码.交易所后缀」
盘口按单只股票查询,参数是完整代码:上海 .SH、深圳 .SZ、北京 .BJ,港股如 00700.HK(不要写成 700.HK),美股带 .US。漏掉后缀时,接口会找不到对应的市场深度。例如传入 600519 而不是 600519.SH,会得到 NotFoundError,信息类似「未找到 600519 的市场深度数据」。
因此,自选名单入库前先做格式检查,不要把网页上看到的 6 位数字直接传进接口。
2. 单标的取五档,先认字段
qd.depth.get(symbol) 返回字典,没有 to_dataframe 参数。常见键是 symbol、region、timestamp、bid_prices、bid_volumes、ask_prices、ask_volumes。买卖档位都是列表,通常各五档:买一在买价列表的第一项,卖一在卖价列表的第一项。
timestamp 需要先转到东八区再阅读,建议用 zoneinfo 明确 Asia/Shanghai,不要依赖机器时区。数值若大于 10**12,一般按毫秒时间戳处理。下面以平安银行 000001.SZ 为例。
from datetime import datetime, timezone
from zoneinfo import ZoneInfo
from quantdash import QuantDash
qd = QuantDash(api_key="your-api-key")
SH = ZoneInfo("Asia/Shanghai")
def to_shanghai(ts):
if ts is None:
return None
if isinstance(ts, datetime):
dt = ts if ts.tzinfo else ts.replace(tzinfo=timezone.utc)
return dt.astimezone(SH)
value = float(ts)
if value > 1e12:
value /= 1000.0
return datetime.fromtimestamp(value, tz=SH)
book = qd.depth.get("000001.SZ")
print("symbol =", book["symbol"])
print("region =", book["region"])
print("timestamp =", to_shanghai(book["timestamp"]))
print("bid_prices =", book["bid_prices"])
print("bid_volumes =", book["bid_volumes"])
print("ask_prices =", book["ask_prices"])
print("ask_volumes =", book["ask_volumes"])
symbol = 000001.SZ
region = CN
timestamp = 2026-11-16 15:30:00.001+08:00
bid_prices = [12.29, 12.28, 12.27, 12.26, 12.25]
bid_volumes = [390, 768, 2825, 1196, 1279]
ask_prices = [12.3, 12.31, 12.32, 12.33, 12.34]
ask_volumes = [20464, 6562, 7385, 3765, 2482]
这是 2026-11-16 场次的盘口。买一是 12.29、卖一是 12.3,价差 0.01。若在下一个交易日开盘前再次请求,仍可能拿到上一场次的结果,不能因为「今天已经发出请求」就写成当天盘中正在跳变。接口返回很快,只说明这次调用的响应时延;快照大约 3 秒刷新一次说的是行情更新节奏,两者不要混为一谈,也不要据此给盘口编造一个未经文档说明的刷新周期。
3. 把买卖队列对齐,打成五档表
四个列表要按档位对齐后再看。买价与买量等长,卖价与卖量等长;某一侧长度不足时不要用 0 去猜缺失档。可以用 pandas 把两边拼成一张表,方便打印和后续计算买卖一价差。
import pandas as pd
def book_table(book):
bids = list(zip(book.get("bid_prices") or [], book.get("bid_volumes") or []))
asks = list(zip(book.get("ask_prices") or [], book.get("ask_volumes") or []))
n = max(len(bids), len(asks))
rows = []
for i in range(n):
bid_px, bid_vol = bids[i] if i < len(bids) else (None, None)
ask_px, ask_vol = asks[i] if i < len(asks) else (None, None)
rows.append(
{
"level": i + 1,
"bid_price": bid_px,
"bid_volume": bid_vol,
"ask_price": ask_px,
"ask_volume": ask_vol,
}
)
return pd.DataFrame(rows)
print(book_table(book).to_string(index=False))
if book["bid_prices"] and book["ask_prices"]:
print("spread =", book["ask_prices"][0] - book["bid_prices"][0])
level bid_price bid_volume ask_price ask_volume
1 12.29 390 12.3 20464
2 12.28 768 12.31 6562
3 12.27 2825 12.32 7385
4 12.26 1196 12.33 3765
5 12.25 1279 12.34 2482
spread = 0.010000000000001563
价差用卖一减买一即可。浮点打印可能出现细小尾数,展示时按价格精度取整,不要另编一套「官方价差字段」。档位数量以实际返回为准,通常是五档,不要把它升级成 Level-2 的十档或逐笔委托。
4. 多标的用循环 depth.get,把失败隔离开
多只股票不要默认一次批量调用就能全部成功返回。稳妥的做法是循环调用 depth.get,每只单独记录成功或失败,一只出错不影响其他代码。下面同时取平安银行和贵州茅台 600519.SH。
def fetch_books(qd, symbols):
books, errors = {}, {}
for symbol in symbols:
try:
books[symbol] = qd.depth.get(symbol)
except Exception as exc:
errors[symbol] = f"{type(exc).__name__}: {exc}"
return books, errors
symbols = ["000001.SZ", "600519.SH"]
books, errors = fetch_books(qd, symbols)
print("errors =", errors)
for symbol, item in books.items():
table = book_table(item)
print(symbol, "timestamp =", to_shanghai(item["timestamp"]))
print(table.to_string(index=False))
print()
errors = {}
000001.SZ timestamp = 2026-11-16 15:30:00.001+08:00
level bid_price bid_volume ask_price ask_volume
1 12.29 390 12.3 20464
2 12.28 768 12.31 6562
3 12.27 2825 12.32 7385
4 12.26 1196 12.33 3765
5 12.25 1279 12.34 2482
600519.SH timestamp = 2026-11-16 15:30:01.001+08:00
level bid_price bid_volume ask_price ask_volume
1 1453.50 1 1453.90 1
2 1453.00 5 1453.96 3
3 1452.96 1 1453.97 1
4 1452.93 1 1453.99 7
5 1452.91 1 1454.00 94
茅台这段返回里,买一是 1453.5、卖一是 1453.9,价差 0.4;时间戳转到东八区后是 2026-11-16 15:30:01.001,与平安银行相差约一秒。若某只失败,只把该代码和异常信息记入 errors,不要用空列表或昨收价去填档位。若触发限流,按文档中的 retry_after_ms 等待后再试,不要写死很短的睡眠。
5. 用快照最新价对照,但不要混用两个时间戳
盘口回答的是买卖队列,快照回答的是最新价、开盘价、昨收和涨跌幅。对照时按代码取 qd.quotes.get(symbols=..., to_dataframe=True),读取 last_price,同时保留快照的 trade_time。ext.change_pct 是小数比率,例如 0.012987 表示约 1.30%,展示百分比时再乘 100,不要把该字段已经当成百分数再乘一次。
snap = qd.quotes.get(symbols=["000001.SZ", "600519.SH"], to_dataframe=True)
cols = [
"symbol",
"ext.name",
"last_price",
"open",
"prev_close",
"ext.change_pct",
"trade_time",
]
print(snap[cols].to_string(index=False))
for _, row in snap.iterrows():
item = books[row["symbol"]]
best_bid = item["bid_prices"][0]
best_ask = item["ask_prices"][0]
print(
row["symbol"],
"last_price =",
row["last_price"],
"best_bid =",
best_bid,
"best_ask =",
best_ask,
"book_time =",
to_shanghai(item["timestamp"]),
"trade_time =",
row["trade_time"],
)
symbol ext.name last_price open prev_close ext.change_pct trade_time
000001.SZ 平安银行 12.3 12.06 12.07 0.019055 2026-11-16 15:00:00
600519.SH 贵州茅台 1453.9 1426.3 1435.26 0.012987 2026-11-16 15:00:02
000001.SZ last_price = 12.3 best_bid = 12.29 best_ask = 12.3 book_time = 2026-11-16 15:30:00.001+08:00 trade_time = 2026-11-16 15:00:00
600519.SH last_price = 1453.9 best_bid = 1453.5 best_ask = 1453.9 book_time = 2026-11-16 15:30:01.001+08:00 trade_time = 2026-11-16 15:00:02
平安银行快照里同时有 trade_date=2026-11-16。对照时以实际返回的时间字段为准,不要为缺失列手工补日期。这两段例子里,快照 trade_time 落在 15:00 附近,盘口 timestamp 落在 15:30 附近,相差约半小时。字段来源不同,应对 timestamp 做时区转换后再看,不要把两个时间戳强行说成同一时刻,更不要用其中一个去改写另一个。快照的涨跌幅按昨收计算:平安银行 ext.change_pct=0.019055,约为 1.91%。
6. 漏后缀要单独处理,不要改去爬网页
取盘口失败时,先检查代码格式,而不是改去解析行情页面。下面演示漏掉后缀时的报错,以及完整代码的正常路径。
from datetime import datetime, timezone
from zoneinfo import ZoneInfo
import pandas as pd
from quantdash import QuantDash
qd = QuantDash(api_key="your-api-key")
SH = ZoneInfo("Asia/Shanghai")
def to_shanghai(ts):
if ts is None:
return None
if isinstance(ts, datetime):
dt = ts if ts.tzinfo else ts.replace(tzinfo=timezone.utc)
return dt.astimezone(SH)
value = float(ts)
if value > 1e12:
value /= 1000.0
return datetime.fromtimestamp(value, tz=SH)
def book_table(book):
bids = list(zip(book.get("bid_prices") or [], book.get("bid_volumes") or []))
asks = list(zip(book.get("ask_prices") or [], book.get("ask_volumes") or []))
n = max(len(bids), len(asks))
rows = []
for i in range(n):
bid_px, bid_vol = bids[i] if i < len(bids) else (None, None)
ask_px, ask_vol = asks[i] if i < len(asks) else (None, None)
rows.append(
{
"level": i + 1,
"bid_price": bid_px,
"bid_volume": bid_vol,
"ask_price": ask_px,
"ask_volume": ask_vol,
}
)
return pd.DataFrame(rows)
def fetch_books(qd, symbols):
books, errors = {}, {}
for symbol in symbols:
try:
books[symbol] = qd.depth.get(symbol)
except Exception as exc:
errors[symbol] = f"{type(exc).__name__}: {exc}"
return books, errors
try:
qd.depth.get("600519")
except Exception as exc:
print(type(exc).__name__, ":", exc)
books, errors = fetch_books(qd, ["000001.SZ", "600519.SH"])
print("errors =", errors)
for symbol, item in books.items():
print(symbol, to_shanghai(item["timestamp"]))
print(book_table(item).to_string(index=False))
NotFoundError : 未找到 600519 的市场深度数据
报错指向的是代码不完整,补上 .SH 后再取即可。不要把网页能打开理解成「盘口只能从页面抓」,也不要把五档列表理解成逐笔或 Level-2。需要最新价、开盘价或涨跌幅时走快照;需要买卖队列时走 depth.get;多标的用循环,并把盘口时间和快照时间分开保存。
489



被折叠的 条评论
为什么被折叠?



