企业官网建设流程全解析

一句话回答：给几十上百只股票取 K 线，用for循环一只只调接口不仅慢，还容易触发限频。AlphaFeed 的klines.batch(codes, ...)一次就能批量取回（内置并发与自动分批），实测比朴素循环快数倍，返回dict{symbol: DataFrame}直接可用——这是多标的取数的正确姿势。

为什么会有这个问题 / 传统做法的痛点

新手取多只股票的写法通常是：

data={}forcodeincodes:data[code]=af.klines.get(code,period="1d",count=250)# 串行、慢、易限频

标的一多，串行请求的网络往返（RTT）线性累加，几百只要等很久；而且高频串行请求更容易撞上接口限频（429）。正确做法是把「批量」交给 SDK：一次请求/内部并发取回所有标的。

分步骤解决（每步配可运行代码）

第 1 步：用 klines.batch 一次取回多只

fromalphafeedimportAlphaFeed af=AlphaFeed()# 读取 ALPHAFEED_API_KEYcodes=["600519.SH","000001.SZ","601318.SH","000858.SZ","300750.SZ"]data=af.klines.batch(codes,period="1d",count=250,adjust="forward",to_dataframe=True)print(type(data),list(data.keys()))# dict{symbol: DataFrame}print(data["600519.SH"].tail(2)[["trade_date","close"]].to_string(index=False))

batch返回一个字典，键是标准代码，值是该股的 DataFrame，遍历即可：

forsym,kdfindata.items():ret=kdf["close"].iloc[-1]/kdf["close"].iloc[0]-1print(f"{sym}: 区间收益{ret:+.2%}")

第 2 步：计时对比——循环 vs 批量

importtimedeftimed(fn):t0=time.perf_counter();out=fn();returnout,time.perf_counter()-t0# 朴素循环_,t_loop=timed(lambda:{c:af.klines.get(c,period="1d",count=250,adjust="forward",to_dataframe=True)forcincodes})# 批量_,t_batch=timed(lambda:af.klines.batch(codes,period="1d",count=250,adjust="forward",to_dataframe=True))print(f"循环{t_loop:.2f}s | 批量{t_batch:.2f}s | 提速{t_loop/t_batch:.1f}x")

标的越多、网络 RTT 越高，批量相对循环的优势越明显；batch内部并发把串行等待压平。

第 3 步：调并发与分批参数

data=af.klines.batch(codes,period="1d",count=250,adjust="forward",to_dataframe=True,batch_size=50,max_workers=8)

第 4 步：全市场取数的正确姿势

要对全 A 取数，先用标的池拿代码，再分批batch，避免一次性拉爆：

q=af.quotes.get(universes="CN_Stock",to_dataframe=True)codes=q["symbol"].tolist()all_data={}CHUNK=200foriinrange(0,len(codes),CHUNK):part=af.klines.batch(codes[i:i+CHUNK],period="1d",count=60,adjust="forward",to_dataframe=True)all_data.update(part)print(f"已取{len(all_data)}/{len(codes)}")

关键坑与注意事项

• 别用裸 for 循环取几百只：串行慢且更易触发限频，能用batch就用batch。
• 并发不是越高越好：max_workers过大反而撞限频（429），从 8 起步按网络调。
• 全市场分块：几千只一次性batch内存与单请求都过重，按 200~500 分块并落盘更稳。
• 批量里个别标的可能缺失：停牌/新股/退市可能返回空或缺键，遍历时判空跳过。
• SDK 已内置重试：偶发 429/5xx 会自动退避重试，业务层不必自己写重试循环（详见限频/容错一文）。
• 计时结果因网络而异：本文示例的提速倍数取决于标的数与网络，标的越多优势越大。

常见问题（FAQ）

Q：batch 返回的顺序和我传入的一致吗？
A：返回是dict{symbol: DataFrame}，按symbol键访问最稳；需要顺序就按传入codes遍历取值。

Q：batch 能跨市场混着取吗（A 股 + 港股 + 美股）？
A：可以，传入的codes里混合.SH/.SZ/.HK/.US均可，按标准代码取回。

Q：某只票取失败会影响整批吗？
A：不会整批失败；缺失的标的不会出现在结果字典里或返回空，遍历时判空即可。

Q：需要付费吗？
A：小批量有免费额度；全市场标的池（universes）与大规模批量取数需 Starter 及以上。详见定价页。

小结

多标的取数的性能关键，是把「批量与并发」交给 SDK 而不是自己写串行循环。用 AlphaFeed 的klines.batch一次取回dict{symbol: DataFrame}，内置并发与分批让它比朴素循环快数倍，再配合标的池分块，就能稳、快地完成从几只到全市场的取数。

参考

• AlphaFeed Python SDK 文档：https://docs.alphafeed.org/zh-Hans/sdk/python-quickstart
• AlphaFeed 官网：https://alphafeed.org/