yfinance 完全教程：3 行代码抓行情数据，还能自动修复价格错误

yfinance 完全教程：3 行代码抓行情数据，还能自动修复价格错误

【免费下载链接】yfinanceDownload market data from Yahoo! Finance's API项目地址: https://gitcode.com/GitHub_Trending/yf/yfinance

抓股票数据时，你有没有遇到过这种糟心事：拉出来的历史价格中间"断档"一天、某段时间价格突然翻了一百倍、或者分红日之后调整价（Adj Close）压根没变？这些不是你的 bug，是数据源的问题。yfinance 不仅能从 Yahoo! Finance 免费拉取行情和基本面数据，还内置了一套价格修复机制，能把这些脏数据自动修干净。

一句话定位：yfinance 是什么

yfinance 是一个 Python 库，封装了 Yahoo! Finance 的公开 API，让你用几行代码拿到 K 线、成交量、分红拆分、财务报表、分析师目标价等数据，结果直接是 pandas DataFrame，接进任何分析流程都不用转换。它值得用的原因有两个：零 API Key、零费用，且对雅虎返回的脏数据做了兜底修复，拿到的数更可信。

最小上手路径：安装后 3 分钟看到输出

一条命令装好（依赖 pandas、numpy 会自动带上）：

pip install yfinance

跑通第一个例子，拿到微软最近 1 个月的日线数据：

import yfinance as yf msft = yf.Ticker("MSFT") hist = msft.history(period="1mo") print(hist.head())

hist是一个带时间索引的 DataFrame，包含 Open / High / Low / Close / Volume 等列，直接可以画图或算指标。想先看公司层面的信息，用msft.info拿一个字典，里面有longName（公司名）、currentPrice（现价）、marketCap（市值）等字段。

任务拆解：三个高频场景的最小写法

任务一：拉历史行情并算一条均线

任务：要一只票过去一年的日线，并算出 20 日均线。做法：Ticker.history()传period和interval，然后直接在 DataFrame 上滚动计算：

hist = msft.history(period="1y", interval="1d") hist["MA20"] = hist["Close"].rolling(window=20).mean() print(hist[["Close", "MA20"]].tail())

结果：hist每行一个交易日，MA20前 19 行为空（窗口不足），之后逐行输出均线值。

任务二：一次下载多只股票，按票分列

任务：同时下载 SPY 和 AAPL 做对比，不想循环写两次请求。做法：用模块级的yf.download()，group_by="ticker"让返回结果以票号为一级列名：

data = yf.download(["SPY", "AAPL"], period="6mo", group_by="ticker", progress=False) print(data["AAPL"]["Close"].tail())

结果：多级列的 DataFrame，data["AAPL"]、data["SPY"]各自是独立的 OHLCV 表，方便做相对强弱之类对比。批量下载默认多线程，几十只票也不用等太久。

任务三：记不全代码？先搜票再取数

任务：只知道公司名或中文/模糊关键词，要拿到准确 ticker。做法：用yf.Search()先查报价列表：

quotes = yf.Search("apple", max_results=10).quotes for q in quotes: print(q["symbol"], q.get("shortname"))

结果：打印出候选票符（如AAPL）和名称，确认后再交给yf.Ticker(...)取数，避免拿错代码。

核心机制深挖：repair=True 是怎么修数据的

yfinance 最有差异化的能力是价格修复：history()和download()都接受repair=True参数，让库自动检测并修复雅虎返回的价格错误。开启后结果会多一列Repaired?，标记哪些行被修过：

hist = yf.Ticker("0316.HK").history(period="1y", repair=True) print(hist[hist["Repaired?"] == True])

它具体处理四类问题：

1. 分红调整缺失：数据里有分红记录，但前一日Adj Close和Close相等（没调），手动按分红比例补调整；
2. 拆分调整缺失：发生拆股但历史价格没跟着缩，库会主动应用拆分比例（需要日期范围包含拆股日后一天用于校准）；
3. 缺行/缺成交量：某天价格数据明显缺失或损坏时，用更细粒度（如 1 小时）的数据重新拼装出缺失的日线；
4. 100 倍货币错位：雅虎偶尔把美元/美分、英镑/便士搞混，导致一段价格恰好差 100 倍，散点式的偏差用 scipy 检测，整段错位的则整体换算。

为什么这个设计好用：修复全部发生在本地，不依赖雅虎改数据；被标记的行可审计，不用信任也没成本；货币错位修完后真实币种要看Ticker.history_metadata['currency']，而不是info里的字段。完整规则和修复案例（含修正前后对照数据）见文档 doc/source/advanced/price_repair.rst，修复逻辑主体在 yfinance/utils.py，想验证行为可以看 tests/data/ 里几十组"坏数据 vs 修复后"的真实对照 CSV。

避坑与配置要点

下一步

到这里，从安装、取数、批量下载到脏数据修复，你已经覆盖了 yfinance 日常使用的主干路径。接下来可以往三个方向走：用msft.quarterly_income_stmt、msft.balance_sheet把基本面数据拉进同一个工作流；用yf.screen()加EquityQuery做条件选股；或者研究tests/test_price_repair.py的断言方式，学会为修复逻辑写回归测试。

• 完整文档源文件：doc/source/
• 核心源码：yfinance/
• 修复功能回归用例：tests/data/

【免费下载链接】yfinanceDownload market data from Yahoo! Finance's API项目地址: https://gitcode.com/GitHub_Trending/yf/yfinance