對於常見但是獲取比較不太方便的數據我們將會寫成一系列共享函數方便大家直接複制使用。
本系列將持續更新,標題為 【共享函數】

包含的函數:

換手率
量比
股票股息率
所有商品指數,主力合約,品種代號等
期貨合約的基本信息（合約乘數、商品報價的計數單位、最小變動單位）

實時(分鍾級別)換手率¶

非實時的換手率數據可以直接通過 val uation 表拿到,傳送門:
https://www.joinquant.com/help/api/help?name=Stock#市值數據

def get_turnover_ratio(stocks,now_time):'''傳入股票池,時間,返回實時換手率'''if isinstance(stocks, str):stocks = [stocks]if isinstance(now_time, str):now_time =datetime.datetime.strptime(now_time,'%Y-%m-%d %H:%M:%S')data = get_price(stocks,fields='volume',end_date=now_time,start_date=now_time.date(),frequency ='1m' ).volume.sum()valuation_data = get_fundamentals(query(         #財務數據可以一天獲取一次,自行更改valuation.code,valuation.circulating_cap    ).filter(valuation.code.in_(stocks)),date=now_time).set_index('code')return data/valuation_data.iloc[:,0]/100get_turnover_ratio(['000001.XSHE','000002.XSHE'],datetime.datetime.now())

/opt/conda/lib/python3.6/site-packages/jqresearch/api.py:86: FutureWarning: 
Panel is deprecated and will be removed in a future version.
The recommended way to represent these types of 3-dimensional data are with a MultiIndex on a DataFrame, via the Panel.to_frame() method
Alternatively, you can use the xarray package http://xarray.pydata.org/en/stable/.
Pandas provides a `.to_xarray()` method to help automate this conversion.

  pre_factor_ref_date=_get_today())

000001.XSHE    0.844864
000002.XSHE    0.877389
dtype: float64

# 區間換手率from jqdata import *def shuttle_turnover_ratio(code_list,end_date,start_date=None,day=None):'''start_date和day 二選一 , 選取day參數時代表day個交易日的區間換手率'''if not day:day = len(get_trade_days(start_date,end_date))if isinstance(code_list,str):code_list=[code_list]q = query(valuation.turnover_ratio).filter(valuation.code.in_(code_list))data =  get_fundamentals_continuously(q,end_date=end_date,count=day).turnover_ratioreturn data.sum()shuttle_turnover_ratio(['000001.XSHE','000002.XSHE'],'2018-11-13',day=10)

code
000001.XSHE    7.0689
000002.XSHE    5.1873
dtype: float64

量比¶

import pandas as pddef get_v_ratio(security_list,time):'''計算某個時間點股票的量比,    輸入:股票池/股票,時間(datetime)    返回:截至當天某一時間點的量比'''if isinstance(security_list,str):security_list = [security_list]d = pd.Series()time2= time-datetime.timedelta(days=1)start_time = datetime.datetime(time.year,time.month,time.day,9,30)for security in security_list:ma5 = get_price(security,end_date=time2,frequency='5d',skip_paused=True,fields='volume',count=1,fq=None).volume/1200n_ma = get_price(security,end_date=time,start_date =start_time ,skip_paused=True,fields='volume',  frequency='1m').volume.mean()d[security]=float(n_ma/ma5)return dsecurity_list = ['600016.XSHG','601166.XSHG','000001.XSHE']time = datetime.datetime(2018,9,27,15,30)get_v_ratio(security_list,time)

600016.XSHG    0.810266
601166.XSHG    0.869788
000001.XSHE    0.740555
dtype: float64

股票股息率¶

股息率（DividendRatio）＝公司派現合計/股票市值。其中，公司派現合計是指從年初到該報告期的派現合計累計（整個公司的派現合計）
指數股息率傳送門:  https://www.joinquant.com/post/16656

from jqdata import *def DividendRatio(security_list,end_date,count=1):'''查詢股息率(日更新)      輸入:股票池,截止日期,獲取數量    輸出:panel結構,單位:1'''trade_days = get_trade_days(end_date=end_date,count = count)security_list.sort()secu_list = [x[:6] for x in security_list]code_df = jy.run_query(query( jy.SecuMain.InnerCode,jy.SecuMain.SecuCode,#     jy.SecuMain.ChiName,jy.SecuMain.CompanyCode).filter(jy.SecuMain.SecuCode.in_(secu_list),jy.SecuMain.SecuCategory==1).order_by(jy.SecuMain.SecuCode))code_df['code'] = security_listdf = jy.run_query(query(#         jy.LC_DIndicesForValuation    #得到整表jy.LC_DIndicesForValuation.InnerCode,jy.LC_DIndicesForValuation.TradingDay, jy.LC_DIndicesForValuation.DividendRatio,).filter(jy.LC_DIndicesForValuation.InnerCode.in_(code_df.InnerCode),jy.LC_DIndicesForValuation.TradingDay.in_(trade_days)))f_df = df.merge(code_df,on='InnerCode').set_index(['TradingDay','code']).drop(['InnerCode','SecuCode'],axis=1)#     panel = f_df.to_panel()return f_df['DividendRatio'].unstack()securitys =['000001.XSHE','000002.XSHE']date='2019-02-22'DividendRatio(securitys,date,count=5)

.dataframe thead tr:only-child th {        text-align: right;    }    .dataframe thead th {        text-align: left;    }    .dataframe tbody tr th {        vertical-align: top;    }

獲取所有商品指數,主力合約,品種代號等¶

df = get_all_securities(types=['futures'])                        #獲取期貨合約,指定date可以過濾退市合約# dominant_and_idnex = df[df.end_date==datetime.date(2030,1,1)]   #商品指數和主力合約dominant_future = df[df.index.str.contains('9999')]               #所有品種的主力合約index_future = df[df.index.str.contains('8888')]                  #所有品種的指數代碼code_name = index_future.index.str.slice(start=0,stop=-9).tolist() #獲取各個品種代號,使用get_dominant_future時會用到

獲取期貨合約的基本信息（合約乘數、商品報價的計數單位、最小變動單位）¶

"""獲取期貨合約的基本信息(合約乘數、商品報價的計數單位、最小變動單位)本函數由丹陽同學提供數據來源：聚源數據Fut_ContractMain表，https://www.joinquant.com/help/data/data?name=jy#nodeId=23參考帖子：http://bbs.tb18.net/thread-80004-1-1.html輸入：合約代碼（例如：SC1901.XINE）返回：dict格式合約乘數、商品報價的計數單位、最小變動單位         {'ContractUnit': 1000, 'MinPoint': 0.1, 'PriceScale': 0.1}"""# lru緩存可以不要，加上後查詢相同的合約可以避免重複數據庫請求from fastcache import clru_cache as lru_cache@lru_cache(maxsize=128)def future_basic_info(future):from jqdata import jyfrom numpy import nanimport reif "9999" in future or "8888" in future:match = re.match(r"(?P<underlying_symbol>[A-Z]{1,})", future)if not match:raise ValueError("未知期貨標的：{}".format(future))else:future = get_dominant_future(match.groupdict()["underlying_symbol"])q = query(jy.Fut_ContractMain).filter(jy.Fut_ContractMain.ContractCode == future.split(".")[0])result = jy.run_query(query_object=q).to_dict("record")if result:result = result.pop()min_point = re.match("(?P<value>^[0-9]+([.]{1}[0-9]+){0,1})", result["LittlestChangeUnit"]).groupdict(nan)["value"]return {"ContractUnit": result["CMValue"],   "PriceScale": float(min_point)/float(result["CMValue"]),   "MinPoint": float(min_point)}else:return {"ContractUnit": nan,"PriceScale": nan,"MinPoint": nan}future_basic_info('CU9999.XSGE')

{'ContractUnit': 5, 'MinPoint': 10.0, 'PriceScale': 2.0}