今天的主要内容，是根据特定的标准或者说条件，找到符合我们要求的股票列表。

预告：

下一篇将介绍大家最关心的部分，如何获取股票的日线、周线、月线行情数据。中间也有可能会穿插一些时间序列处理的内容，感兴趣的同学欢迎关注！

首先，我假设各位都已经按照上一篇文章安装并设置好了我们的Python tushare包，接下来，就开始进行我们的第一项小挑战，那就是找到符合特定标准的股票列表。

第一步，我们先导入tushare：

导入tushare import tushare as ts pro = ts.pro_api()

沪深港通标的

股票投资小常识：不管是电脑的还是手机都可以，也不管什么型号，什么软件，只要是可以运行软件的设备就可以，任何一款免费的软件都可以！

很多投资者倾向于投资沪深港通的标的，因为这些股票得到了更多国际投资者的青睐。在tushare中，我们通过stock_basic接口获取股票列表，其中is_hs参数用于筛选沪深港通标的列表，具体规则如下：

沪股通标的：is_hs="H";深股通标的：is_hs="S";其他：is_hs="N".沪股通股票列表 pro.stock_basic(is_hs=H).head()深股通股票列表 pro.stock_basic(is_hs=S).head()非沪深港通股票列表 pro.stock_basic(is_hs=N).head()

上市状态

在stock_basic接口中，我们可以用list_status参数筛选不同上市状态的股票。

上市状态：list_status="L";退市状态：list_status="D";暂停上市状态：list_status="P".正常上市股票 pro.stock_basic(list_status=L).head()已退市股票 pro.stock_basic(list_status=D).head()

交易所

我们还可以看分别在上交所和深交所上市的股票列表，只需要在stock_basic中传入exchange参数即可。

上交所：exchange="SSE";深交所：exchange="SZSE:.上交所股票 pro.stock_basic(exchange=SSE).head()

行业

除了参数中提供的筛选维度，我们还可以获取所有股票列表数据之后，用一些字段进行筛选。比如说行业：

股票投资小常识：财务风险，指的是企业财务状况不良，包括财务管理不当，规划不善，扩充过失等，从而造成不应有的营业损失和资本损失。

df = pro.stock_basic() df.query(industry == "银行").head()

上市板块

我们还可以按照上市板块来挑选股票，这一点也很有用，有些投资人侧重于某个板块的股票，比如中小板、创业板等。

df = pro.stock_basic() df.query(market == "创业板").head()

地区

我们还能挑选属于某个特定地区的股票。当我们需要寻找地域联动效应或者某个地区爆出了某个利好时，这个筛选方法会很有帮助。

df = pro.stock_basic() df.query(area == "深圳").head()

上市公司基本信息

在获取了股票列表之后，我们可能还想要了解一下它们的基本信息，比如注册资本、所在城市、经营范围等，这时我们可以使用stock_company接口。

接口默认仅提供了部分字段，需要更多字段的可以用fields参数来指定所需要的列。

pro.stock_company().head(1).T

获取深圳本地股票

我们来看一个案例，比如说之前有国家帮助中小企业解决质押风险，深圳国资委率先响应，然后我们想看一下可能受益的股票有哪些，因此我们想要先找到深圳的本地股列表，并且查看他们的主营业务、员工人数。

获取深圳本地上市公司股票列表 import pandas as pd 获取上市公司信息 fields = (ts_code,exchange,chairman,province, city,office,employees,main_business) df = pro.stock_company(fields=fields) df.query(city == "深圳市").head()

获取员工数超过十万的上市公司股票

可能我们还想通过员工数来筛选出大型的企业，这时我们可以通过employees字段完成筛选。

df = pro.stock_company() df.query(employees >= 100000)

是不是很简单？不过tushare的强大远不止于此，下一篇文章中我们将介绍大家最关心的部分，如何获取股票的日线行情数据。