取数与返回结构

investpy 历史数据怎么取：返回列、日期格式与函数选择

Q: investpy 返回的 DataFrame 有 exchange 列吗？

没有。源码里 Data 对象确实保存了 exchange 属性，但 stock_to_dict() 只映射 Date / Open / High / Low / Close / Volume / Currency 七个键，交易所不会进入 DataFrame。需要交易所信息时请改用 get_stock_information ，或从搜索结果的 exchange 字段读取。以源码实现为准。

Q: from_date 可以直接传 datetime 对象吗？

官方示例与源码中的处理都以 dd/mm/yyyy 字符串为准。本站不建议依赖隐式转换——最稳的做法是显式格式化： pd.to_datetime(d).strftime('%d/%m/%Y') 。传 ISO 格式（ YYYY-MM-DD ）是最常见的失败来源之一。

Q: 近期数据和历史数据有什么区别？

两者走同一个历史数据端点，区别在于 retrieve_recent_data() 只需资产标识、拿回的条数由对方决定，而 get_stock_historical_data 需要显式给 from_date 与 to_date 。如果你需要可控区间，用后者；只想知道最新状态，用前者，但不要假设它一定包含当天数据。

Q: 现在还能调用这些函数吗？

在本站 2026-10-12 的实测中，所有联网类历史数据函数都返回 ConnectionError: ERR#0015: error 403 ；离线名录类函数正常。本页的函数与字段说明来自 investpy 1.0.8 源码与官方 README，不是实测成功的调用结果，请以你自己环境的复测为准。

investpy 的每个资产类别都有一组固定命名的函数：历史数据、近期数据、概览、名录、字典。它们的返回结构并不相同——历史数据给 DataFrame，概览给带额外字段的表，字典给可直接 JSON 化的结构。搞清楚返回什么，比记函数名更重要。

另一条取数路径：search_quotes 取到之后能不能用于回测

依据：investpy 1.0.8 源码列名取自 utils/data.py日期格式：dd/mm/yyyy当前端点状态：403

返回值结构

索引Date（日期时间索引）

价格列Open / High / Low / Close

量价列Volume + Currency

不写入表exchange 只存在对象里

依据 utils/data.py 的 stock_to_dict() 整理。注意 exchange 虽然在对象属性里存在，但不会出现在历史数据的 DataFrame 中；官方 README 的示例输出与此一致。

investpy · Function families

六类函数族：同一个资产，六种取法

每类资产都按同一套后缀组织函数。先认清你要的是「数据」「概览」还是「名录」，可以少走很多弯路。

函数族	命名示例（以股票为例）	返回	需要联网	适用场景
历史数据	`get_stock_historical_data(stock, country, from_date, to_date)`	DataFrame（Date 索引 + OHLCV + Currency）	是	回测、指标计算、画图
近期数据	`get_stock_recent_data(stock, country)`	DataFrame，字段同上	是	只看最近几根 K 线，不指定区间
概览	`get_stocks_overview(country, n_results)`	DataFrame，含名称/代码/最新价等横截面字段	是	做筛选、看某个市场的整体情况
信息	`get_stock_information(stock, country)`	DataFrame 或 dict（`as_json=True`）	是	确认代码、交易所、币种等静态属性
名录	`get_stocks_list(country)` / `get_stocks_dict(country, columns)`	list / list[dict]	否	离线枚举代码清单，可当字典用
国家枚举	`get_stock_countries()`	list	否	确认 country 参数的合法取值

关键区分：只有「名录」与「国家枚举」两类函数是离线的。其余四类都要走 Investing.com 端点，因此在本站实测中全部不可用。这也是为什么「investpy 还能不能用」要分层回答。

investpy · DataFrame

历史数据返回的 DataFrame 长什么样？

官方 README 给了一个 AAPL 的示例输出，本站据此与源码中的映射函数逐列核对。utils/data.py 负责把抓到的每行数据组装成字典，再由 pandas 转成表。

             Open   High    Low  Close     Volume Currency
Date
2010-01-04  30.49  30.64  30.34  30.57  123432176      USD
2010-01-05  30.66  30.80  30.46  30.63  150476160      USD
（示例取自官方 README 的 AAPL 输出；本站因端点 403 未能复现）

列 / 索引	类型	含义	使用注意点
`Date`（索引）	datetime	交易日期，成为 DataFrame 的索引而非普通列	用 `reset_index()` 才会变成列；按日期切片时注意它是索引
`Open`	float	开盘价	币种由 `Currency` 列给出，跨市场比较前必须先对齐
`High` / `Low`	float	最高价 / 最低价	用于振幅类指标；口径以 Investing.com 页面为准
`Close`	float	收盘价	官方未声明是否复权，做回测前需自行验证（见口径审计页）
`Volume`	整数	成交量	单位随市场不同（股 / 手 / 张），跨市场汇总前要确认
`Currency`	str	该行的计价币种	同一 API 返回不同市场的数据时币种会变
`exchange`	—	在数据对象中存在，但不写入 DataFrame	想拿交易所信息得走 `get_stock_information` 或搜索结果

investpy · Dates

日期怎么传：格式、区间与常见错误

日期格式写错是最常见的调用失败之一。investpy 用的是 dd/mm/yyyy，不是 ISO 格式——这一点在把它接到已有脚本里时特别容易踩坑。

参数	要求的格式	正例	反例
`from_date`	`dd/mm/yyyy` 字符串	`'01/01/2019'`	`'2019-01-01'`（ISO 写法，会校验失败）
`to_date`	`dd/mm/yyyy` 字符串	`'31/12/2019'`	`'12/31/2019'`（美式月在前，会被当成 12 月 31 日以外的日期）
区间方向	from 早于 to	`01/01/2019 → 01/01/2020`	反向传参会触发参数校验错误
区间长度	源码内部会按区间切分成多次请求	十年区间会被拆分下载	超长区间意味着更多请求次数，也更容易触发对方限流
交易日	返回结果只含交易日	周末与假期不会出现	不要用日期数量反推自然日跨度

建议在调用前统一做一次格式转换：pd.to_datetime(d).strftime('%d/%m/%Y')。把 ISO 字符串直接传进去是新手最常见的一类失败，而且报错信息不一定直指日期，排查成本很高。

investpy · Intervals

各资产类可用的时间粒度并不相同

源码里有两张粒度表：通用的 INTERVAL_FILTERS 与基金专用的 FUNDS_INTERVAL_FILTERS。基金只支持三种粒度。

粒度	通用支持	基金支持	适用场景
`1min`	是	否	极短周期研究，数据量与限流风险都高
`5mins` / `15mins` / `30mins`	是	否	日内策略；注意区分交易日跨度
`1hour`	是	否	日内到小波段
`5hours`	是	否	使用较少，务必先验证返回是否连续
`daily`	是	是	最常见的回测粒度
`weekly` / `monthly`	是	是	长期趋势与资产配置研究
传入非法值	`ERR#0120: introduced interval value does not exist`		报错会附上可用值清单，照抄即可

注意参数名不同：历史数据函数用的是 interval，而 technical_indicators 用的也是 interval，但后者还额外要求 product_type（单数形式）。两处枚举不是同一套，混用会分别报 ERR#0120 与 ERR#0119。

investpy · Troubleshoot

历史数据取不到时，按这张表排查

六个真实错误码，分别对应「你写错了」和「对方拒绝了」两种情况。前者可修，后者不可修。

现象 / 错误码	源码触发条件	定性	处理方式
`ERR#0027`	`stock` 不是字符串	调用方	传字符串代码，不要传数字
`ERR#0039` / `ERR#0025`	`country` 为 None 或不在枚举表内	调用方	先用 `get_stock_countries()` 拿合法值（全小写）
`ERR#0056`	包内名录取不到（FileNotFoundError）	环境	安装不完整，重装并确认 sdist 解包正常
`ERR#0033`	信息不可得（IndexError）	对方 / 数据	该标的在 Investing.com 上没有对应字段，换标的或换字段
`ERR#0015: error 403`	HTTP 状态码非 200	对方 / 网络	本机实测恒为 403，属当前不可修复类
`ERR#0004`	抓取成功但解析失败	双方	对方页面结构变更；需等库更新或自行改写解析

继续：OHLCV 口径审计回到 search_quotes 用法

FAQ

investpy 常见问题：还能装吗、还能取数吗、换什么

investpy 返回的 DataFrame 有 exchange 列吗？

没有。源码里 Data 对象确实保存了 exchange 属性，但 stock_to_dict() 只映射 Date / Open / High / Low / Close / Volume / Currency 七个键，交易所不会进入 DataFrame。需要交易所信息时请改用 get_stock_information，或从搜索结果的 exchange 字段读取。以源码实现为准。

from_date 可以直接传 datetime 对象吗？

官方示例与源码中的处理都以 dd/mm/yyyy 字符串为准。本站不建议依赖隐式转换——最稳的做法是显式格式化：pd.to_datetime(d).strftime('%d/%m/%Y')。传 ISO 格式（YYYY-MM-DD）是最常见的失败来源之一。

近期数据和历史数据有什么区别？

两者走同一个历史数据端点，区别在于 retrieve_recent_data() 只需资产标识、拿回的条数由对方决定，而 get_stock_historical_data 需要显式给 from_date 与 to_date。如果你需要可控区间，用后者；只想知道最新状态，用前者，但不要假设它一定包含当天数据。

为什么同一只股票在不同国家下都能查到？

因为同一家公司在不同市场可能分别上市，Investing.com 会为每个市场维护独立条目，各有自己的 symbol 与内部 ID。这也是为什么用 country 参数筛选很重要——只给代码不给国家时，容易命中另一个市场的同名记录。做数据入库时应把「代码 + 国家」当作联合主键。

返回的数据是复权的吗？

官方 README 与 PyPI 页面都没有声明复权口径，源码中也没有复权处理逻辑，数据是原样取自 Investing.com 页面。因此不能假定已复权或未复权，做回测前必须自己验证（例如拿一次分红/拆股事件前后的价格序列比对）。逐项检查清单见数据口径审计页。

现在还能调用这些函数吗？

在本站 2026-10-12 的实测中，所有联网类历史数据函数都返回 ConnectionError: ERR#0015: error 403；离线名录类函数正常。本页的函数与字段说明来自 investpy 1.0.8 源码与官方 README，不是实测成功的调用结果，请以你自己环境的复测为准。