在上一篇文章里，我们整理了 yfinance 最常见的 12 类问题，比如空 DataFrame、时区错误、MultiIndex 列处理、分钟数据的历史深度限制等等。如果你照着方案改，能解决单只股票的数据下载问题，但一到批量场景就又崩了，因为yfinance的429限速问题，始终是绕不过的门槛。
这篇文章专门讲这个问题：当你需要同时下载几十支、上百支股票的历史 K 线时，yfinance 为什么一定会被限速，以及真正可靠的解决方案是什么。
为什么 yfinance 会被限速
在上一篇文章中我们已经介绍过，yfinance 并不是雅虎财经的官方 API，它只是一个开源库，原理是通过浏览器请求来抓取雅虎财经的网页数据。
也就是说 yfinance 其实并不是正规军，它没有正经的授权，而雅虎财经本身就有反爬的机制，一旦发现高频的请求（非人类正常操作），马上会触发速率限制。如果雅虎财经对接口的结构做了修改，立马会导致yfinance失效。
这是 yfinance 的先天局限，不是你代码的问题。
限速之后，你会看到哪些报错
1. HTTP 429 Too Many Requests
最常见的限速信号：
Python
HTTPError: 429 Client Error: Too Many Requests或者 yfinance 在底层自动重试几次后，以更含糊的错误返回：
Python
Failed to get ticker 'AAPL' reason: HTTPError 4292. Connection Reset / ConnectionError
限速更严重时，Yahoo Finance 会直接断开连接：
Python
ConnectionError: ('Connection aborted.', ConnectionResetError(10054, ...))这种报错出现时，通常再等几分钟也无法恢复，必须更换 IP 或等待更长时间的封锁解除。
3. curl_cffi session 报错（yfinance 1.x 新版本特有）
如果你使用的是 yfinance 1.0 及以上版本，有时会看到：
Python
yahoo api requires curl_cffi session not <class 'requests.sessions.session'>.
please stop passing session (or switch to curl_cffi)这是 yfinance 1.x 切换底层 HTTP 库引入的破坏性变更。解决方式是不要手动传入 session 参数，让 yfinance 自己处理：
Python
# ❌ 旧写法，1.x 版本会报错
import requests
session = requests.Session()
df = yf.download("AAPL", session=session)
# ✅ 1.x 版本的正确写法
import yfinance as yf
df = yf.download("AAPL") # 不传 session4. 返回空 DataFrame，无任何报错
最难排查的情况是 yfinance 根本没有抛出异常，但返回的 DataFrame 是空的。这通常是在限速接近边界时 Yahoo Finance 返回了空响应，而 yfinance 没有把它识别为错误：
Python
df = yf.download("TSLA", period="1y")<br>print(df.shape) # (0, 5) ← 空数据临时缓解方案（能用，但不治本）
如果你只是偶尔需要批量下载，以下方法可以减少触发限速的概率。
方案 A：请求之间加随机延迟
Python
import yfinance as yf<br>import time<br>import random<br><br>symbols = ["AAPL", "TSLA", "NVDA", "MSFT", "GOOGL"]<br><br>results = {}<br>for sym in symbols:<br> try:<br> df = yf.download(sym, period="1y", progress=False)<br> if not df.empty:<br> results[sym] = df<br> print(f"✓ {sym}: {len(df)} 行")<br> else:<br> print(f"✗ {sym}: 返回空数据")<br> except Exception as e:<br> print(f"✗ {sym}: {e}")<br> # 每次请求之间等待 2~5 秒，随机化避免被识别<br> time.sleep(random.uniform(2, 5))方案 B：分批 + 指数退避重试
Python
import yfinance as yf
import time
def download_with_retry(symbol: str, period: str = "1y", max_retries: int = 3) -> object:
for attempt in range(max_retries):
try:
df = yf.download(symbol, period=period, progress=False)
if not df.empty:
return df
except Exception as e:
if "429" in str(e):
wait = (2 ** attempt) * 10 # 10s → 20s → 40s
print(f" 限速，等待 {wait} 秒后重试...")
time.sleep(wait)
else:
raise
return None
symbols = ["AAPL", "TSLA", "NVDA", "MSFT", "GOOGL",
"AMZN", "META", "JPM", "BAC", "WMT"]
# 每批 5 支，批次间停 30 秒
BATCH_SIZE = 5
BATCH_WAIT = 30
for i in range(0, len(symbols), BATCH_SIZE):
batch = symbols[i:i + BATCH_SIZE]
print(f"\n--- 批次 {i // BATCH_SIZE + 1}: {batch} ---")
for sym in batch:
df = download_with_retry(sym)
if df is not None:
print(f" ✓ {sym}: {len(df)} 行")
if i + BATCH_SIZE < len(symbols):
print(f" 批次结束，等待 {BATCH_WAIT} 秒...")
time.sleep(BATCH_WAIT)这两个方案的局限是显而易见的：下载100支股票可能需要一个小时以上 😢，且在网络环境差或请求较集中时仍然会失败。如果是每天需要自动更新数据的生产任务，这套方案的可靠性不足。
根本解决方案：切换到稳定的行情 API
yfinance 香是真的香，毕竟免费，但限速问题本质上是无解的，只能不同方案进行测试，想长期稳定从yfinance获取数据还是有点困难。
真正的解决方式，是使用有 API Key 认证、有明确速率限制文档、为开发者设计的行情数据接口。
Infoway API 是专为量化和金融开发者设计的行情数据服务，提供 A 股、港股、美股、日股、韩股等多市场的历史 K 线和实时行情数据。认证方式简单：在请求头加一个 apiKey 字段，就可以开始调用。
用 Infoway API 批量导出 K 线数据
K 线接口说明
接口地址： POST https://data.infoway.io/stock/v2/batch_kline
支持 A 股、港股、美股的混合查询，也支持日本、韩国和印度股票、外汇、期货，但在不同的端点，具体可以看这份文档。
请求参数：
| 参数 | 类型 | 说明 |
|---|---|---|
codes | string | 股票代码，多个用逗号分隔 |
klineType | int | K 线周期（见下表） |
klineNum | int | 每次返回的 K 线根数，建议 ≤ 500 |
timestamp | int | 可选，Unix 秒，用于翻页获取更早数据 |
klineType 取值：
| 值 | 周期 | 值 | 周期 |
|---|---|---|---|
| 1 | 1 分钟 | 6 | 2 小时 |
| 2 | 5 分钟 | 7 | 4 小时 |
| 3 | 15 分钟 | 8 | 日 K |
| 4 | 30 分钟 | 9 | 周 K |
| 5 | 1 小时 | 10 | 月 K |
基础版：下载多支股票日 K 线
Python
import requests
import pandas as pd
import json
API_KEY = "YOUR_API_KEY"
ENDPOINT = "https://data.infoway.io/stock/v2/batch_kline"
HEADERS = {
"Content-Type": "application/json",
"apiKey": API_KEY,
}
def fetch_klines(codes: list[str], kline_type: int = 8, num: int = 250) -> dict[str, pd.DataFrame]:
"""
批量获取多支股票的 K 线数据，返回以股票代码为键的 DataFrame 字典。
kline_type=8 为日 K，num=250 约为一年交易日。
"""
payload = {
"codes": ",".join(codes),
"klineType": kline_type,
"klineNum": num,
}
resp = requests.post(ENDPOINT, headers=HEADERS, data=json.dumps(payload))
resp.raise_for_status()
data = resp.json().get("data", [])
result = {}
for item in data:
symbol = item["s"]
candles = item.get("respList", [])
if not candles:
continue
df = pd.DataFrame(candles)
df.columns = ["time", "open", "high", "low", "close", "volume", "amount", "pct_chg", "chg"]
df[["open", "high", "low", "close", "volume", "amount"]] = \
df[["open", "high", "low", "close", "volume", "amount"]].astype(float)
df["datetime"] = pd.to_datetime(df["time"].astype(int), unit="s")
df = df.sort_values("datetime").reset_index(drop=True)
result[symbol] = df[["datetime", "open", "high", "low", "close", "volume", "amount"]]
return result
# 示例：美股 + 港股 + A 股混合查询
symbols = ["AAPL.US", "TSLA.US", "NVDA.US", "00700.HK", "600519.SH"]
data = fetch_klines(symbols, kline_type=8, num=250)
for sym, df in data.items():
print(f"{sym}: {len(df)} 根日 K 最新收盘价: {df['close'].iloc[-1]}")进阶版：批量下载 + 自动保存 CSV
Python
import requests
import pandas as pd
import json
import os
from datetime import datetime
API_KEY = "YOUR_API_KEY"
ENDPOINT = "https://data.infoway.io/stock/v2/batch_kline"
HEADERS = {"Content-Type": "application/json", "apiKey": API_KEY}
OUTPUT_DIR = "kline_export"
os.makedirs(OUTPUT_DIR, exist_ok=True)
def fetch_klines_batch(codes: list[str], kline_type: int = 8, num: int = 500) -> dict[str, pd.DataFrame]:
payload = {"codes": ",".join(codes), "klineType": kline_type, "klineNum": num}
resp = requests.post(ENDPOINT, headers=HEADERS, data=json.dumps(payload), timeout=30)
resp.raise_for_status()
result = {}
for item in resp.json().get("data", []):
candles = item.get("respList", [])
if not candles:
continue
df = pd.DataFrame(candles,
columns=["time", "open", "high", "low", "close",
"volume", "amount", "pct_chg", "chg"])
df[["open", "high", "low", "close", "volume", "amount"]] = \
df[["open", "high", "low", "close", "volume", "amount"]].astype(float)
df["datetime"] = pd.to_datetime(df["time"].astype(int), unit="s")
df.sort_values("datetime", inplace=True)
result[item["s"]] = df.reset_index(drop=True)
return result
def export_to_csv(symbol: str, df: pd.DataFrame, kline_label: str = "daily") -> str:
filename = f"{symbol.replace('.', '_')}_{kline_label}.csv"
filepath = os.path.join(OUTPUT_DIR, filename)
df.to_csv(filepath, index=False)
return filepath
# ── 主程序 ──────────────────────────────────────────────────────────────────
# 要下载的股票列表（A股/港股/美股均可混合）
WATCHLIST = [
"AAPL.US", "TSLA.US", "NVDA.US", "MSFT.US", "GOOGL.US",
"AMZN.US", "META.US", "JPM.US", "V.US", "WMT.US",
"00700.HK", "09988.HK", "03690.HK",
"600519.SH", "300750.SZ", "000858.SZ",
]
KLINE_TYPE = 8 # 日 K
KLINE_NUM = 500 # 约两年
BATCH_SIZE = 10 # 每次请求不超过 10 支，控制单次请求体积
print(f"开始批量导出，共 {len(WATCHLIST)} 支股票")
print(f"K 线周期：日K，每支最多 {KLINE_NUM} 根")
print(f"输出目录：{os.path.abspath(OUTPUT_DIR)}\n")
success, failed = [], []
for i in range(0, len(WATCHLIST), BATCH_SIZE):
batch = WATCHLIST[i:i + BATCH_SIZE]
print(f"处理批次 {i // BATCH_SIZE + 1}/{-(-len(WATCHLIST) // BATCH_SIZE)}: {batch}")
try:
data = fetch_klines_batch(batch, kline_type=KLINE_TYPE, num=KLINE_NUM)
for sym, df in data.items():
path = export_to_csv(sym, df)
print(f" ✓ {sym}: {len(df)} 根 → {path}")
success.append(sym)
missing = [s for s in batch if s not in data]
for sym in missing:
print(f" ✗ {sym}: 接口未返回数据")
failed.append(sym)
except requests.HTTPError as e:
print(f" 请求失败: {e}")
failed.extend(batch)
print(f"\n导出完成：成功 {len(success)} 支，失败 {len(failed)} 支")
if failed:
print(f"未能获取数据的标的：{failed}")翻页版：获取更长历史（3 年以上日 K）
Infoway API 支持通过 timestamp 参数向前翻页，可以拉取完整历史数据：
Python
import requests
import pandas as pd
import json
API_KEY = "YOUR_API_KEY"
ENDPOINT = "https://data.infoway.io/stock/v2/batch_kline"
HEADERS = {"Content-Type": "application/json", "apiKey": API_KEY}
def fetch_full_history(symbol: str, kline_type: int = 8) -> pd.DataFrame:
"""翻页拉取某支股票的全部历史日 K 线。"""
all_candles = []
cursor = None
while True:
payload = {"codes": symbol, "klineType": kline_type, "klineNum": 500}
if cursor:
payload["timestamp"] = cursor
resp = requests.post(ENDPOINT, headers=HEADERS, data=json.dumps(payload), timeout=30)
resp.raise_for_status()
items = resp.json().get("data", [])
candles = next((it.get("respList", []) for it in items if it["s"] == symbol), [])
if not candles:
break
all_candles.extend(candles)
# respList 返回顺序为最新在前，取最后一根的时间戳继续往前翻
oldest_ts = int(candles[-1]["t"])
if cursor and oldest_ts >= cursor:
break # 没有更早的数据了
cursor = oldest_ts
if not all_candles:
return pd.DataFrame()
df = pd.DataFrame(all_candles,
columns=["time", "open", "high", "low", "close",
"volume", "amount", "pct_chg", "chg"])
df[["open", "high", "low", "close", "volume", "amount"]] = \
df[["open", "high", "low", "close", "volume", "amount"]].astype(float)
df["datetime"] = pd.to_datetime(df["time"].astype(int), unit="s")
df.drop_duplicates("datetime", inplace=True)
df.sort_values("datetime", inplace=True)
return df.reset_index(drop=True)
# 下载苹果全部历史日 K，并保存
df = fetch_full_history("AAPL.US", kline_type=8)
print(f"AAPL.US: 共 {len(df)} 根日 K，最早 {df['datetime'].iloc[0].date()}，最新 {df['datetime'].iloc[-1].date()}")
df.to_csv("AAPL_US_full_history.csv", index=False)yfinance vs Infoway API：核心对比
| 对比项 | yfinance | Infoway API |
|---|---|---|
| 数据来源 | 爬取 Yahoo Finance 网页 | 直连交易所/行情商 |
| 是否有官方授权 | 无 | 有（API Key 认证） |
| 限速风险 | 高，批量请求必触发 | 低，有明确速率文档 |
| 数据延迟 | 非实时，最快 15 分钟延迟 | 实时（WebSocket < 500ms） |
| 市场覆盖 | 主要是美股，部分 A 股 | A股 / 港股 / 美股 / 日股 / 韩股等 |
| 分钟 K 历史深度 | 1 分钟仅 7 天，5 分钟仅 60 天 | 分钟级数据最长 3 年 |
| 批量下载 | 容易触发 429，需要加大量延迟 | 支持单次多标的并发请求 |
| 稳定性 | 依赖 Yahoo 接口，随时可能失效 | SLA 保障，接口版本稳定 |
| 费用 | 免费 | 7 天免费试用，后付费 |
FAQ
yfinance 被限速后等多久可以恢复？
通常等待 15–30 分钟后可以恢复普通请求。如果触发了更严重的封锁（大量请求集中在短时间内），可能需要 1–2 小时，或者更换网络环境（切换 IP）。
yfinance 有没有办法永久解决限速问题？
没有。yfinance 本质上是对 Yahoo Finance 网页数据的抓取，Yahoo Finance 没有为开发者提供官方批量接口，也没有承诺速率限制上限。加延迟、分批、换 IP 都是缓解手段，不能根除问题。
Infoway API 支持哪些 K 线周期？
支持 12 个周期：1/5/15/30 分钟、1/2/4 小时、日、周、月、季、年。分钟级历史数据可追溯 3 年，日线及以上无上限。
用 Infoway API 批量下载 100 支股票的日 K，需要多少时间？
每次请求可以包含多个标的（建议每批 10–20 支），100 支股票分 5–10 批即可完成，整个过程通常在 30 秒内完成，无需担心限速。
Infoway API 支持 A 股历史 K 线吗？包括复权数据吗？
支持 A 股（沪深北三所）历史 K 线。关于复权：接口返回的是未复权原始价格，复权因子需要通过配套的 adjust_factor 字段手动处理，或在策略层自行计算前/后复权价格。
yfinance 获取 A 股数据可靠吗？
可靠性有限。通过 600519.SS（注意 yfinance 用 .SS 而不是 .SH）能获取部分 A 股日线历史，但数据完整性和实时性均无保障，且分钟级数据基本不可用。如果业务依赖 A 股数据，建议直接使用专为中国市场设计的数据接口。
