AKShare项目板块数据接口优化解析
2025-05-20 13:49:08作者:滑思眉Philip
背景介绍
AKShare作为一款开源的金融数据接口库,在量化投资和金融数据分析领域广受欢迎。近期,该项目对其板块数据相关接口进行了重要优化,特别是针对板块名称与板块代码的输入兼容性问题进行了改进。
接口优化内容
本次优化主要针对AKShare中的板块数据接口,解决了以下关键问题:
- 输入参数兼容性增强:现在支持同时接受板块名称和板块代码两种输入格式
- 正则表达式验证:通过
^BK\d+模式识别板块代码输入 - 映射表查询机制:对于非代码格式的输入,自动查询板块名称与代码的映射关系
具体接口变化
原有兼容接口
以下接口原本就支持两种输入格式:
stock_board_industry_cons_emstock_board_industry_spot_em
这些接口通过以下逻辑处理输入参数:
if re.match(pattern=r"^BK\d+", string=symbol):
stock_board_code = symbol
else:
stock_board_concept_em_map = __stock_board_industry_name_em()
stock_board_code = stock_board_concept_em_map[
stock_board_concept_em_map["板块名称"] == symbol
]["板块代码"].values[0]
新增兼容接口
本次更新将以下接口也纳入了兼容范围:
stock_board_industry_hist_emstock_board_industry_hist_min_em
技术实现解析
-
输入识别机制:
- 使用正则表达式
^BK\d+快速识别板块代码格式 - 不符合代码格式的输入会被视为板块名称
- 使用正则表达式
-
名称-代码映射:
- 通过
__stock_board_industry_name_em()获取映射表 - 精确匹配查询将名称转换为代码
- 通过
-
错误处理:
- 当映射表查询不到对应名称时,会抛出异常
- 建议用户检查名称拼写或直接使用板块代码
使用建议
-
优先使用板块代码:代码格式更加稳定,避免名称变更带来的影响
-
名称使用注意事项:
- 确保名称完全匹配
- 注意中文全半角字符
- 考虑使用项目提供的常量或枚举值
-
版本要求:需升级到AKShare 1.16.73及以上版本才能使用此优化功能
总结
AKShare此次接口优化显著提升了板块数据接口的易用性和稳定性,使开发者能够更灵活地获取所需数据。这一改进体现了开源项目对用户体验的持续关注,也为金融数据分析工作提供了更大便利。建议开发者及时升级到最新版本,充分利用这些优化特性。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
192
212
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
650
270
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
297
111
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
384
3.69 K
仓颉编译器源码及 cjdb 调试工具。
C++
128
857
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
React Native鸿蒙化仓库
JavaScript
243
316
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,提供Transformer定制化场景的高性能融合算子。
C++
66
96
暂无简介
Dart
633
143