1、基本思想

在 xtquant 中，历史数据要先下载（download_history_data）到本地的缓存文件中，之后才能获取（get_market_data）使用。
如果确认之前已经下载过，且数据完整，那么后续使用前可以不用再次下载。

2、常用函数

python">xtdata.download_history_data()		# 下载单个资产的历史数据
xtdata.download_history_data2()		# 下载多个资产（资产代码装在[]中）的历史数据xtdata.get_market_data()			# 从已下载的本地数据中取数据方法1
xtdata.get_market_data_ex()			# 从已下载的本地数据中取数据方法2
xtdata.get_local_data()				# 从本地取已下载的数据

为方便，其中 get_market_data 和 get_market_data_ex 合称 gmd 函数。
以下分别简介各个函数的用法。

2.1、下载资产历史数据到本地缓存文件中

下载资产的历史数据，需要用到 download_history_data 和 download_history_data2，他们的使用方法几乎一样。
download_history_data 的使用方法是：

python"># download_history_data
xtdata.download_history_data(stock_code='xxxxxx.SH', period='1x', start_time='20230101', end_time='20231115',incrementally=True)		# 是否只下载增量数据
)# download_history_data2
def on_callback(data):print("data call back!")print(data)xtdata.download_history_data2(stock_list=['xxxxxx.SH', 'xxxxxx.SZ'], period='1x', start_time='20230101', end_time='20231115',callback=on_callback,incrementally=True)		# 是否只下载增量数据
)

其中：
1、period 的取值是 ：1m、5m、15m、30m、1h、1d、tick。。。 时，能取到指定资产指定周期的行情数据
2、period 的取值是：transactioncount1d、orderflow1m 时，能取到指定资产的资金流向数据、订单流数据等数据（需要权限）
3、period 的取值是：northfinancechange1m，同时资产代价是 ’FFFFFF.SGT’ 或者 [‘FFFFFF.SGT’]，能取到北向资金数据（需要权限）。其他可下载数据见官方知识库。
4、start_time、end_time 的格式是 ‘yyyymmddHHMMSS’，当只取日线数据时，可以简化为 ‘yyyymmdd’
5、当 start_time=“”，就是从该资产的历史最早时间开始取，当 end_time=“”，就是取到该资产最新的历史数据（如果取的是日内数据，就按周期取到当时最近的日内数据），两者可以都为 “”…
6、download_history_data2 相对 download_history_data 的改进，除了能批量下载资产的历史数据，还支持回调函数
7、incrementally=True 时，用download_history_data2下载多个资产的历史数据，如果不同资产的最新数据日期不同，download_history_data2能根据各个资产的最新日期补齐数据至end_time
8、使用 token 的模式下，支持下载到指定目录，具体实现后续再展开（坑1）

2.2、从本地获取历史数据

get_market_data、get_market_data_ex、get_local_data 都是从本地数据缓存中获取已经下载的数据，三个函数的使用参数也差不多：

python">history_data = xtdata.get_market_data(field_list=[],stock_list=etf_list,period=period,start_time=start_date,end_time=end_date,count=-1,dividend_type='none',fill_data=True
)xtdata.get_market_data_ex(field_list=[],# 字段stock_list=[],# 合约代码列表period='1d',# 数据周期——1m、5m、1d、tickstart_time='',# 数据起始时间%Y%m%d或%Y%m%d%H%M%Send_time='',# 数据结束时间%Y%m%d或%Y%m%d%H%M%Scount=-1, # 数据个数。1为只取最新的行情数据，-1为取全部数据dividend_type='none', # 除权方式fill_data=True, # 是否填充数据
)xtdata.get_local_data(field_list=[],# 字段stock_list=[],# 合约代码列表period='1d',# 数据周期——1m、5m、1d、tickstart_time='',# 数据起始时间%Y%m%d或%Y%m%d%H%M%Send_time='',# 数据结束时间%Y%m%d或%Y%m%d%H%M%Scount=-1, # 数据个数。1为只取最新的行情数据，-1为取全部数据dividend_type='none', # 除权方式fill_data=True, # 是否填充数据
)

三者的共同点是，返回的都是 {keys: DataFrames} 格式的数据
三者的区别是：
get_market_data 返回的是两层 dict，第一层 key 是资产代码，第二层 key 是 field_list 中的每个字段，第二层 value 是对应字段的 DataFrame 类型的数据，内容除了本地数据，在订阅之后，也包含有最新的行情数据。
get_market_data_ex 返回的是一层dict，key是 资产代码，value 是包含 field_list 中的所有字段的 DataFrame，内容除了本地数据，在订阅之后，也包含有最新的行情数据。
get_local_data 返回的结果格式与 get_market_data_ex 一样，但是内容只有之前用 download_history_data 下载到本地的数据。

如何同时获取到拼接完整的历史数据和实时行情数据，后续再展开（坑2）。

（内容随时迭代更新中，欢迎常回来看看）