Mootdx 是基于 Python 的开源工具，可直接读取通达信本地数据文件。支持 K 线、板块、财务及实时行情数据，将.dat 文件转为 Pandas DataFrame。涵盖本地数据仓库构建、板块轮动分析、多周期策略回测等场景。提供安装配置、路径设置、市场代码识别、数据复权处理及性能优化方案，帮助开发者降低量化分析门槛，提升数据处理效率。
在金融量化分析中，获取高质量的市场数据往往是最大的挑战。传统方法要么需要昂贵的商业数据接口，要么面临复杂的格式转换难题。Mootdx 工具允许用 Python 直接读取通达信本地数据文件，实现金融数据的便捷处理。
传统的数据获取流程通常需要：下载通达信数据 → 导出 CSV → 数据清洗 → 格式转换。整个过程耗时费力，且容易出错。
Mootdx 让这一切变得简单直接：一行代码读取.dat 文件。无论是日线数据、分钟线还是板块分类信息，都能瞬间转化为熟悉的 Pandas DataFrame 格式。
Mootdx 支持的数据类型几乎涵盖了量化分析的所有场景：
想象一下，你只需要几行代码就能建立一个包含全市场历史数据的本地仓库：
from mootdx.reader import Reader # 初始化本地数据读取器
reader = Reader.factory(market="std", tdxdir="./fixtures/T0002")
# 读取上证指数日线数据
sh_index = reader.daily(symbol="sh000001")
print(f"获取到{len(sh_index)}条上证指数数据")
板块轮动是 A 股市场的重要特征，Mootdx 让板块分析变得异常简单：
# 读取概念板块数据
gn_blocks = reader.block(symbol="block_gn.dat")
# 分析热门概念板块
hot_concepts = gn_blocks.groupby('blockname').size().sort_values(ascending=False)
print("热门概念板块分布：")
print(hot_concepts.head(10))
不同时间周期的数据对比能够揭示更多市场规律：
from mootdx.quotes import Quotes
client = Quotes.factory(market="std")
# 同时获取日线和 60 分钟线数据
daily_data = client.bars(symbol="600036", frequency=9, offset=100)
hourly_data = client.bars(symbol="600036", frequency=5, offset=500)
# 计算收益率相关性
daily_return = daily_data['close'].pct_change()
hourly_return = hourly_data['close'].pct_change()
correlation = daily_return.corr(hourly_return)
print(f"日线与 60 分钟线收益率相关性：{correlation:.4f}")
症状：出现"文件不存在"或"无法读取数据"的错误提示。
解决方案：
# 正确配置通达信数据目录
import os
tdx_path = "C:/new_tdx/vipdoc"
# 根据实际安装路径调整
if os.path.exists(tdx_path):
reader = Reader.factory(market="std", tdxdir=tdx_path)
else:
print("请检查通达信软件是否已正确安装")
症状：调用港股或创业板股票时抛出市场代码错误。
解决方案：
# 使用扩展市场接口
from mootdx.quotes import ExtQuotes
ext_client = ExtQuotes()
# 港股市场代码为 47
hk_data = ext_client.bars(market=47, symbol="00700", frequency=9)
原始数据通常需要复权处理才能用于策略分析：
from mootdx.utils.adjust import to_qfq, to_hfq
# 获取不复权数据
raw_data = client.bars(symbol="000001", frequency=9)
# 获取除权除息信息
xdxr_info = client.xdxr(symbol="000001")
# 计算前复权数据
qfq_data = to_qfq(raw_data, xdxxr_info)
重复的数据请求会显著降低分析效率，Mootdx 提供了智能缓存方案：
from mootdx.utils.pandas_cache import pandas_cache
# 添加缓存装饰器
@pandas_cache(expire=1800) # 缓存 30 分钟
def get_cached_data(symbol):
return client.bars(symbol=symbol, frequency=9)
# 首次调用从接口获取
data1 = get_cached_data("600036") # 耗时约 500ms
# 后续调用直接返回缓存
data2 = get_cached_data("600036") # 耗时约 10ms
当需要处理大量股票数据时，批量操作能极大提升效率：
def batch_analyze_stocks(stock_list):
results = {}
for stock in stock_list:
try:
data = client.bars(symbol=stock, frequency=9)
# 计算技术指标
results[stock] = {
'volume_mean': data['volume'].mean(),
'price_range': data['high'].max() - data['low'].min()
}
except Exception as e:
print(f"处理股票{stock}时出错：{e}")
return results
# 克隆项目仓库
git clone https://gitcode.com/GitHub_Trending/mo/mootdx
# 安装依赖
pip install -r requirements.txt
# 或者使用 poetry 安装
poetry install
import mootdx
print(f"Mootdx 版本：{mootdx.__version__}")
# 测试基本功能
from mootdx.reader import Reader
reader = Reader.factory(market="std", tdxdir="./fixtures")
print("安装成功！")
Mootdx 不仅仅是一个数据读取工具，更是连接传统金融软件与现代 Python 数据分析的桥梁。通过掌握这个工具，你可以摆脱数据获取的束缚，专注于策略逻辑本身；提升开发效率，减少重复的数据处理工作；降低技术门槛，让更多 Python 爱好者进入量化领域；构建完整分析体系，从数据获取到策略回测一气呵成。
微信公众号「极客日志」，在微信中扫描左侧二维码关注。展示文案：极客日志 zeeklog
使用加密算法（如AES、TripleDES、Rabbit或RC4）加密和解密文本明文。 在线工具，加密/解密文本在线工具，online
生成新的随机RSA私钥和公钥pem证书。 在线工具，RSA密钥对生成器在线工具，online
基于 Mermaid.js 实时预览流程图、时序图等图表，支持源码编辑与即时渲染。 在线工具，Mermaid 预览与可视化编辑在线工具，online
解析常见 curl 参数并生成 fetch、axios、PHP curl 或 Python requests 示例代码。 在线工具，curl 转代码在线工具，online
将字符串编码和解码为其 Base64 格式表示形式即可。 在线工具，Base64 字符串编码/解码在线工具，online
将字符串、文件或图像转换为其 Base64 表示形式。 在线工具，Base64 文件转换器在线工具，online