说明 / 示例
用法： ContextInfo.get_market_data(fields, stock_code = [], start_time = ‘’, end_time = ‘’, skip_paused = True, period = ‘1d’, dividend_type = ‘none’, count = -1)
释义： 获取行情数据
参数：
fields：字段列表：
‘open’：开
‘high’：高
‘low’：低
‘close’：收
‘volume’：成交量
‘amount’：成交额
‘settle’：结算价
‘quoter’：分笔数据（包括历史）
‘quoter’分笔数据结构：dict
{
lastPrice：最新价
amount：成交额
volume：成交量
pvolumn：前成交量
openInt：持仓量
stockStatus：股票状态
lastSettlementPrice：最新结算价
open：开盘价
high：最高价
low：最低价
settlementPrice：结算价
lastClose：收盘价
askPrice：列表，卖价五档
bidPrice：列表，买价五档
askVol：列表，卖量五档
bidVol；列表，买量五档
}
stock_code ：默认参数，合约代码列表，合约格式 code.market, 如 ‘600000.SH’，不指定时为当前图合约
start_time：默认参数，开始时间，格式 ‘20171209’ 或 ‘20171209010101’
end_time：默认参数，结束时间，格式 ‘20171209’ 或 ‘20171209010101’
skip_paused：默认参数，可选值：
true：如果是停牌股，会自动填充未停牌前的价格作为停牌日的价格
False：停牌数据为nan
period：默认参数，周期类型：
‘tick’：分笔线
‘1d’：日线
‘1m’：1分钟线
‘3m’：3分钟线
‘5m’：5分钟线
‘15m’：15分钟线
‘30m’：30分钟线
‘1h’：小时线
‘1w’：周线
‘1mon’：月线
‘1q’：季线
‘1hy’：半年线
‘1y’：年线
dividend_type：默认参数，缺省值为 ‘none’，除复权，可选值：
‘none’：不复权
‘front’：向前复权
‘back’：向后复权
‘front_ratio’：等比向前复权
‘back_ratio’：等比向后复权
count：默认参数，缺省值为 -1，大于等于 0 时，效果与 get_history_data 保持一致。
count 和开始时间、结束时间同时设置的效果如下表：
count 取值 时间设置是否生效 开始时间和结束时间设置效果
count >= 0 无效 从当前时间往回取多少个周期的值，取值数量完全取决于count
count = -1 生效 同时设置开始时间和结束时间，在所设置的时间段内取值
count = -1 生效 开始时间结束时间都不设置，取当前最新bar的值
count = -1 生效 只设置开始时间，取所设开始时间到当前时间的值
count = -1 生效 只设置结束时间，取股票上市第一根 bar 到所设结束时间的值
*注：
特别的，默认参数需带上参数名方可生效，调用方式与 Python 别无二致
策略点击运行，以策略代码中所设置的开始时间和结束时间为准，策略点击回测，以 ‘回测参数’ 里所设置的开始时间和结束时间为准。
可缺省参数：start_time，end_time，skip_paused，dividend_type，count
返回：
count >= 0，不同的参数，返回的数据结构不同，以下举例说明了不同的数据结构的类型。（代码指股票代码；时间即为函数中所设置的时间，主要由 count、start_time、end_time 决定；字段即 fields 里的字段）
（1）1支股票代码，在1个时间点（ count 缺省默认为 -1 ，即为当前时间点的 bar），取1个字段的值，则返回相应字段的值。
代码：
```py
def init(ContextInfo):
ContextInfo.set_universe(['000831.SZ'])
def handlebar(ContextInfo):
df = ContextInfo.get_market_data(['close'], stock_code = ContextInfo.get_universe(), skip_paused = True, period = '1d', dividend_type = 'front')
print(df)
```
输出：
17.40
## 2）1支股票代码，在一个时间点（count、start_time、end_time 都缺省，即为当前时间点的 bar），取多个字段的值，返回 pandas.Series（ pandas 一维数组）类型的值。
代码：
```py
def init(ContextInfo):
ContextInfo.set_universe(['000831.SZ'])
def handlebar(ContextInfo):
df = ContextInfo.get_market_data(['close', 'open'], stock_code = ContextInfo.get_universe(), skip_paused = True, period = '1d', dividend_type = 'front')
print(df)
```
输出：
close 17.40
open 17.11
## （3）1支股票代码，在一个时间段取值，返回 pandas.DataFrame （ pandas 二维表格型数据结构）类型的值。
代码：
```py
def init(ContextInfo):
ContextInfo.set_universe(['000831.SZ'])
def handlebar(ContextInfo):
df = ContextInfo.get_market_data(['close', 'open'], stock_code = ContextInfo.get_universe(), skip_paused = True, period = '1d', dividend_type = 'front', count = 2)
print(df)
```
输出：
close open
20190618 17.59 17.60
20190619 17.40 17.11
## （4）多个股票代码，在一个时间点取值，返回 pandas.DataFrame （ pandas 二维表格型数据结构）类型的值。
代码：
```py
def init(ContextInfo):
ContextInfo.set_universe(['000831.SZ', '600000.SH'])
def handlebar(ContextInfo):
df = ContextInfo.get_market_data(['close', 'open'], stock_code = ContextInfo.get_universe(), skip_paused = True, period = '1d', dividend_type = 'front', count = -1)
print(df)
```
输出：
close open
000831.SZ 17.40 17.11
600000.SH 11.88 12.04
（## 5）多支股票代码，在一个时间段取值，返回 pandas.Panel （pandas 三维数组结构）类型的值。
代码：
```py
def init(ContextInfo):
ContextInfo.set_universe(['000831.SZ', '600000.SH'])
def handlebar(ContextInfo):
df = ContextInfo.get_market_data(['close', 'open'], stock_code = ContextInfo.get_universe(), skip_paused = True, period = '1d', dividend_type = 'front', count = 2)
print(df)
```
输出：
<class 'pandas.core.panel.Panel'>
Dimensions: 2 (items) x 2 (major_axis) x 2 (minor_axis)
Items axis: 000831.SZ to 600000.SH
Major_axis axis: 20190618 to 20190619
Minor_axis axis: close to open
# *注：
需要下载历史数据；
pandas相关介绍详见pandas官方文档；
Python需要安装pandas；
时间区间：两边闭区间。
get_history_data() 和 get_market_data() 两者区别：get_history_data() 是获取设定的股票池中股票某段行情，主要用来构建简单的指标；get_market_data() 可获取任意股票行情，返回行情数据可以是 dataframe ，可用于复杂的分析。
示例1：
```py
def handlebar(ContextInfo):
# 以 period 参数指定需要的周期
Result = ContextInfo.get_market_data(['open','high','low','close'], ['600000.SH'], '20170101', '20170102', True, '1d', 'none')
d_m = ContextInfo.get_market_data(['close'], ['600000.SH'], start_time = '20181230', end_time = '20190107', period = '1d')
print(d_m)
m_m = ContextInfo.get_market_data(['close'], ['600000.SH'], start_time = '20181230', end_time = '20190107', period = '1m')
print(m_m)
```
示例2：
```py
def init(ContextInfo):
# 先设置股票池，此时股票池只有一个股票
ContextInfo.set_universe(['000001.SZ'])
def handlebar(ContextInfo):
# 获取平安银行当前 bar 的收盘价
close = ContextInfo.get_market_data(['close'], stock_code = ContextInfo.get_universe(), period = '1d', dividend_type = 'front', count = 1)
# 打印平安银行当前bar的收盘价
print(close) # close 是一个数值
# 获取平安银行最新的开高低收四个价格
df1 = ContextInfo.get_market_data(['open', 'high', 'low', 'close'], stock_code = ContextInfo.get_universe(), period = '1d', dividend_type = 'front', count = 1)
# 打印平安银行当前bar的最高价
print(df1['high']) # df1 是一个 pandas.series
# 获取平安银行最近两天的高开低收
df2 = ContextInfo.get_market_data(['open', 'high', 'low', 'close'], stock_code = ContextInfo.get_universe(), period = '1d', dividend_type = 'front', count = 2)
# 打印平安银行昨天的收盘价
print(df2['close'][-2]) # df2 是一个 pandas.dataframe
```