在使用 yfinance 库进行金融数据分析时，开发者经常会遇到因股票代码无效、已退市或网络连接问题导致的数据获取失败。这些失败有时会表现为 python 异常，有时则仅仅是 yfinance 打印的警告信息，并返回一个空的数据帧。如果不正确处理这些情况，可能会导致后续对有效股票代码的查询也出现问题，从而中断整个数据采集流程。本教程旨在提供一套健壮的策略，确保 yfinance api 在面对各种异常情况时仍能稳定运行。
理解 yfinance 的错误处理机制
yfinance 在处理数据请求时，可能遇到两种主要类型的“失败”：
- 真正的 python 异常： 这通常发生在网络连接失败（如 HTTPSConnectionPool 错误）、dns 解析问题或 API 服务端返回了无法处理的错误时。这类错误会中断程序执行，并需要使用 try-except 语句进行捕获。
- yfinance 内部警告或空数据帧： 对于某些无效、已退市或没有历史数据的股票代码，yfinance 可能不会抛出 Python 异常。相反，它可能会向标准错误输出 (stderr) 打印一条警告信息（例如 “No price data found, symbol may be delisted”），然后返回一个空的 pandas DataFrame，或者一个包含部分数据但带有警告信息的 DataFrame。在这种情况下，try-except 块将不会被触发。
问题的核心在于，即使 yfinance 只是返回一个空数据帧或警告，而不抛出异常，其内部状态也可能受到影响，导致后续对有效股票代码的查询失败。
健壮的数据获取策略
为了确保 yfinance API 在循环或批量获取数据时的稳定性，我们建议采用以下策略：
1. 始终将 history() 的结果赋值给变量
这是解决许多 yfinance 隐性问题的关键一步。即使你可能不立即使用返回的数据，也应该将其赋值给一个变量。这似乎有助于 yfinance 正确地“清理”或管理其内部状态，避免对后续查询产生负面影响。
错误示例（可能导致后续查询失败）：
import yfinance as yf # 假设 0250.HK 存在问题，可能导致后续查询受影响 try: yf.Ticker("0250.HK").history(period="max") # 未赋值 except Exception as e: print(f"Error fetching 0250.HK: {e}") # 0001.HK 可能会出现 "No price data found" 警告，即使它是有效的 print(yf.Ticker("0001.HK").history(period="max")) # 未赋值
正确示例（确保后续查询正常）：
import yfinance as yf # 即使是问题股票，也赋值 problematic_data = None try: problematic_data = yf.Ticker("0250.HK").history(period="max") except Exception as e: print(f"Error fetching 0250.HK: {e}") # 0001.HK 的查询将正常进行，因为之前的操作被正确处理 valid_data = yf.Ticker("0001.HK").history(period="max") print(valid_data.head()) # 打印数据帧头部
通过上述修改，即使 0250.HK 的查询没有抛出异常（而是返回了数据并打印了警告），将结果赋值给 problematic_data 变量也能确保 0001.HK 的查询不受影响。
2. 捕获真正的 Python 异常
对于网络连接中断等真正的异常，try-except 块是必不可少的。捕获这些异常可以防止程序崩溃，并允许你实现重试逻辑或跳过当前有问题的股票代码。
import yfinance as yf import requests # 用于捕获 HTTPSConnectionPool 相关的异常 tickers = ["0250.HK", "0001.HK", "AAPL"] all_data = {} for ticker_symbol in tickers: print(f"Fetching data for {ticker_symbol}...") try: # 尝试获取数据并赋值 data = yf.Ticker(ticker_symbol).history(period="max") # 检查数据帧是否为空，处理 yfinance 警告的情况 if data.empty: print(f"Warning: No historical data found for {ticker_symbol}. It might be delisted or invalid.") else: all_data[ticker_symbol] = data print(f"Successfully fetched data for {ticker_symbol}.") # print(data.head()) # 可以选择打印部分数据进行验证 except requests.exceptions.ConnectionError as e: print(f"Connection error for {ticker_symbol}: {e}. Skipping this ticker.") except Exception as e: print(f"An unexpected error occurred for {ticker_symbol}: {e}. Skipping this ticker.") print("n--- Summary of fetched data ---") for symbol, df in all_data.items(): print(f"{symbol}: {len(df)} rows of data")
在上述示例中：
- 我们遍历了一个股票代码列表。
- 对于每个股票代码，我们都尝试获取数据并将其赋值给 data 变量。
- try-except 块用于捕获 requests.exceptions.ConnectionError（这是 HTTPSConnectionPool 错误的底层异常类型）以及其他通用异常。
- 在成功获取数据后，我们显式检查 data.empty 属性，以处理 yfinance 返回空数据帧但未抛出异常的情况。
3. 验证数据帧内容
即使 history() 调用成功并返回了一个非空的数据帧，也应检查其内容是否符合预期。例如，检查日期范围、列名或是否存在 NaN 值。
import yfinance as yf ticker_symbol = "AAPL" try: data = yf.Ticker(ticker_symbol).history(period="max") if data.empty: print(f"No data found for {ticker_symbol}.") else: print(f"Data for {ticker_symbol} has {len(data)} rows.") # 进一步验证数据，例如检查最新的日期 if not data.index.empty: print(f"Latest date: {data.index.max().strftime('%Y-%m-%d')}") else: print("Data index is empty.") except Exception as e: print(f"Error fetching {ticker_symbol}: {e}")
总结与注意事项
- 赋值的重要性： 始终将 yf.Ticker(…).history(…) 的结果赋值给一个变量，即使你打算立即丢弃它。这是解决 yfinance 在处理问题股票代码后可能导致后续查询失败的关键。
- 区分异常与警告： try-except 仅捕获 Python 异常。对于 yfinance 打印的警告信息或返回的空数据帧，你需要通过检查 DataFrame.empty 属性来处理。
- 具体的异常捕获： 尽可能捕获更具体的异常类型（如 requests.exceptions.ConnectionError），而不是仅仅使用通用的 except Exception，这样可以编写更精确的错误处理逻辑。
- 循环中的稳健性： 在循环中获取多个股票的数据时，上述策略尤为重要。它能确保一个股票代码的问题不会影响到其他股票代码的数据获取。
- 版本影响： yfinance 库的实现细节可能会随版本更新而变化。本教程基于 yfinance 0.2.33 版本及类似行为。如果遇到持续问题，请检查你的 yfinance 版本并查阅官方文档。
通过遵循这些实践，你可以显著提高使用 yfinance API 进行数据获取的稳定性和可靠性，尤其是在处理大量或不确定质量的股票代码列表时。