获取个股的历史所有每日数据

stock_code：股票代码
name：股票名称
trade_date：交易日期
open：开盘价
high：最高价
low：最低价
close：收盘价
pre_close：前收盘价
change：涨跌额
pct_chg：涨跌幅（百分比）
vol：成交量
amount：成交金额
turnover_rate：换手率
turnover_rate_f：流通股本换手率
volume_ratio：量比
pe：市盈率（静态）
pe_ttm：市盈率（滚动）
pb：市净率
ps：市销率
ps_ttm：市销率（滚动）
dv_ratio：股息率（静态）
dv_ttm：股息率（滚动）
total_share：总股本
float_share：流通股本
free_share：自由流通股本
total_mv：总市值
circ_mv：流通市值

import tushare as ts
import pandas as pd

# 设置你的 Tushare Token
ts.set_token('your_token')
pro = ts.pro_api()

stock_basic = pro.stock_basic(exchange='', list_status='L', fields='ts_code,symbol,name')
# 重命名 ts_code 列为 stock_code
stock_basic = stock_basic.rename(columns={'ts_code': 'stock_code'})

for index, row in stock_basic.iterrows():
    stock_code = row['stock_code']
    stock_name = row['name']
    # 获取个股历史日线数据
    df_daily = pro.daily(ts_code=stock_code, start_date='', end_date='')

    if not df_daily.empty:
        # 按交易日期升序排序
        df_daily = df_daily.sort_values(by='trade_date')
        # 重置索引
        df_daily = df_daily.reset_index(drop=True)
        # 重命名 ts_code 列为 stock_code
        df_daily = df_daily.rename(columns={'ts_code': 'stock_code'})

        # 获取个股每日基本面数据（包含市值、市盈率等）
        df_daily_basic = pro.daily_basic(ts_code=stock_code, start_date='', end_date='')
        if not df_daily_basic.empty:
            df_daily_basic = df_daily_basic.sort_values(by='trade_date')
            df_daily_basic = df_daily_basic.reset_index(drop=True)
            df_daily_basic = df_daily_basic.rename(columns={'ts_code': 'stock_code'})

            # 删除 df_daily_basic 中的 close 列
            if 'close' in df_daily_basic.columns:
                df_daily_basic = df_daily_basic.drop(columns='close')

            # 合并日线数据和基本面数据
            df = pd.merge(df_daily, df_daily_basic, on=['stock_code', 'trade_date'], how='left')
        else:
            df = df_daily

        # 添加个股名称列
        df['name'] = stock_name

        # 调整列顺序，将 stock_code 列放在第一列，name 列放在第二列
        columns = ['stock_code', 'name'] + [col for col in df.columns if col not in ['stock_code', 'name']]
        df = df[columns]

        # 构建文件名
        file_name = f'D:/quantkt/data/stock/every_stock_history_data/{stock_code}_history_data.csv'
        try:
            # 保存数据到 CSV 文件
            df.to_csv(file_name, index=False)
            print(f'{stock_code}({stock_name}) 的历史数据已成功保存到 {file_name}')
        except Exception as e:
            print(f'保存 {stock_code}({stock_name}) 的数据时出现错误: {e}')
    else:
        print(f'未获取到 {stock_code}({stock_name}) 历史数据。')

数据格式如下

详情数据可来本人自建量化平台quantkt.com来获取