全市场实时行情+板块数据(批量获取技巧,效率翻倍)

开篇引入：学会获取单只A股个股行情后，新手接下来的需求的就是“批量获取”——比如一次性拿到全A股所有个股的实时盘口数据，或者快速获取行业、概念板块的行情及成分股，不用逐个查询，大幅提升量化研究效率。

本篇重点教大家：用AKShare获取全A股实时盘口数据、行业/概念板块行情，分享实用的批量获取技巧，提供完整可运行代码，新手跟着复制，就能高效搞定全市场数据获取。

🔧 核心步骤：实时行情+板块数据获取

核心前提：已完成Python3.8-3.11和AKShare的安装，所有代码均适配当前最新版AKShare，无虚构接口、无报错；实时行情仅在A股交易时间（9:30-11:30、13:00-15:00）能获取到最新数据，非交易时间显示昨日收盘数据。

第一步：全A股实时盘口数据获取

无需逐个输入个股代码，一行代码就能获取全A股所有个股的实时盘口数据（含代码、名称、最新价、涨跌幅、成交量等核心信息），可直接复制运行：

import akshare as ak  # 导入AKShare# 一键获取全A股实时盘口数据（交易时间实时更新，非交易时间显示昨日收盘）df_all_a = ak.stock_zh_a_spot_em()  # 核心接口，无需额外参数# 筛选核心字段（避免数据过多，新手重点关注这6个字段）df_core = df_all_a[["代码", "名称", "最新价", "涨跌幅", "成交量", "成交额"]]print("全A股实时盘口核心数据（前10行）：")print(df_core.head(10))# 可选：将数据保存为Excel，方便后续分析（无需手动复制）df_core.to_excel("全A股实时行情.xlsx", index=False)print("数据已保存为Excel文件，可直接打开查看")

第二步：行业板块行情获取

不仅能获取所有行业板块的实时行情，还能一键拿到单个行业的成分股，帮大家快速定位热门行业，代码可直接复制：

import akshare as ak# 1. 获取所有行业板块实时行情（含板块名称、涨跌幅、领涨股）df_industry = ak.stock_board_industry_name_em()print("所有行业板块实时行情（前10行）：")print(df_industry[["板块名称", "涨跌幅", "领涨股", "最新价"]].head(10))# 2. 获取单个行业板块的成分股（以“白酒”行业为例，可替换为任意行业）df_industry_stocks = ak.stock_board_industry_cons_em(    symbol="白酒",  # 行业名称，可替换（如“半导体”“新能源”“医药生物”）    indicator="成分股"  # 固定参数，无需修改)print("白酒行业成分股（前10行）：")print(df_industry_stocks[["代码", "名称", "最新价", "涨跌幅"]].head(10))

第三步：概念板块行情获取

概念板块（如“人工智能”“ChatGPT”“新能源汽车”）是量化选股的重要参考，获取方法和行业板块类似，代码如下：

import akshare as ak# 1. 获取所有概念板块实时行情df_concept = ak.stock_board_concept_name_em()print("所有概念板块实时行情（前10行）：")print(df_concept[["板块名称", "涨跌幅", "领涨股", "最新价"]].head(10))# 2. 获取单个概念板块的成分股（以“人工智能”为例，可自由替换）df_concept_stocks = ak.stock_board_concept_cons_em(    symbol="人工智能",  # 概念名称，可替换（如“ChatGPT”“充电桩”）    indicator="成分股")print("人工智能概念成分股（前10行）：")print(df_concept_stocks[["代码", "名称", "最新价", "涨跌幅"]].head(10))

第四步：批量获取技巧

分享2个实用批量技巧，避免重复写代码，大幅提升数据获取效率，直接复制运行即可：

import akshare as akimport pandas as pd# 技巧1：批量获取多个行业的成分股，合并为一个表格# 定义要获取的行业列表（可自由添加、修改）industries = ["白酒", "半导体", "新能源"]# 空表格用于存储所有行业成分股df_all_industries = pd.DataFrame()for industry in industries:    df = ak.stock_board_industry_cons_em(symbol=industry, indicator="成分股")    df["所属行业"] = industry  # 新增“所属行业”字段，方便区分    df_all_industries = pd.concat([df_all_industries, df], ignore_index=True)print("多个行业成分股合并数据（前15行）：")print(df_all_industries[["所属行业", "代码", "名称", "最新价"]].head(15))# 技巧2：批量获取指定个股的实时行情（已知多只个股代码，无需逐个查询）# 定义要获取的个股代码列表（可自由添加、修改）stock_codes = ["600519", "002594", "000001", "300750"]# 空表格用于存储指定个股实时行情df_target_stocks = pd.DataFrame()for code in stock_codes:    # 调用个股实时行情接口（注意：接口与历史行情不同）    df = ak.stock_zh_a_spot_em()    df_single = df[df["代码"] == code]  # 筛选当前个股数据    df_target_stocks = pd.concat([df_target_stocks, df_single], ignore_index=True)print("指定个股实时行情：")print(df_target_stocks[["代码", "名称", "最新价", "涨跌幅"]])

⚠️ 关键避坑

• 避坑1：实时行情接口别用错！全A股实时行情用「ak.stock_zh_a_spot_em()」，不要用之前的历史行情接口，否则无法获取实时数据。

• 避坑2：非交易时间获取实时数据，显示的是昨日收盘数据，属于正常情况，无需报错，交易时间再运行代码即可获取最新数据。

• 避坑3：行业/概念名称要准确！比如“白酒”不能写成“酒类”，“人工智能”不能写成“AI”，否则无法获取对应板块数据，可先运行板块行情接口，查看正确的板块名称。

• 避坑4：批量获取时，不要高频循环请求！建议间隔1-2秒（可在循环中添加time.sleep(1)），避免被临时封禁IP。

• 避坑5：保存Excel时，若提示“权限不足”，关闭电脑上已打开的Excel文件，再重新运行代码即可。

✅ 核心总结

1.  全A股实时行情：调用「ak.stock_zh_a_spot_em()」，一键获取所有个股盘口数据，可筛选核心字段、保存为Excel。

2.  板块数据：行业板块用「stock_board_industry_*」接口，概念板块用「stock_board_concept_*」接口，可获取板块行情和成分股。

3.  批量技巧：用循环批量获取多个行业/个股数据，合并为一个表格，减少重复操作，提升效率；批量请求记得加间隔，避免封禁。

4.  新手关键：区分实时行情和历史行情接口、准确输入板块名称、批量请求加间隔，这3点做好，就能高效获取全市场数据。

💡 互动提问：你用批量技巧获取到哪些板块/个股的数据了？评论区留言你关注的行业或个股，一起交流～