JoinQuant 聚宽 get_price 函数是否有股票代码个数和返回数据量限制？

在 JoinQuant (聚宽) 量化平台中，关于 get_price 函数的限制，具体情况如下：

1. API 层面没有硬性的条数限制

与 get_fundamentals（限制 5000 条）或 finance.run_query（限制 4000 条）不同，get_price 函数在 API 设计层面没有明确限制传入的股票代码个数，也没有硬性限制返回的数据行数。你可以传入一个包含几百甚至上千只股票代码的列表，也可以请求长达数年的历史数据。

2. 实际受限于系统的物理资源

虽然 API 没有硬性限制，但在实际的回测或模拟交易环境中，您的策略会受到平台分配的物理资源限制。如果一次性请求的数据量过大，会导致以下两种常见错误：

• 内存超限 (Memory Error)：聚宽平台规定，单个策略进程占用的内存不能超过 3G。如果您一次性请求全市场 4000 多只股票过去 10 年的分钟级数据，返回的 DataFrame 将极其庞大，瞬间撑爆内存，导致策略被系统强制终止（OOM）。
• 超时错误 (Timeout Error)：平台规定每个函数的运行时间不能超过 1800 秒 (30分钟)。一次性拉取海量数据需要较长的网络传输和数据拼接时间，极易触发超时异常。

3. 给量化开发者的优化建议

为了保证策略的稳定运行，避免因数据量过大导致崩溃，建议采取以下最佳实践：

• 分批获取数据：如果您确实需要全市场的数据，请将股票列表切分成多个小批次（例如每次 100 只股票），或者将时间段切分（例如每次获取 1 个月的数据），处理完一批后再获取下一批。
• 设置 panel=False：当获取多只股票的数据时，get_price 默认返回 pandas.Panel 对象。由于 Panel 结构在内存占用上不够高效，且在较新版本的 pandas 中已被彻底移除，强烈建议在调用时设置 panel=False，让其返回等效的 DataFrame 或 Dict，这能显著降低内存占用并提高处理速度。
• 按需获取字段：通过 fields 参数仅指定您真正需要的字段（如仅获取 ['close', 'volume']），不要默认拉取所有字段。
• 使用 history 或 attribute_history：在 handle_data 等周期性调用的函数中，如果只需要获取当前股票池过去几天的少量数据，使用 history 或 attribute_history 通常比 get_price 更高效。