一创聚宽 get_price 报错 unexpected keyword argument 'panel' 怎么办？

get_price 函数 问题

目前pandas不支持get_price 函数的panel，但是在一创聚宽中是没有false选项。
使用会报错：get_price() got an unexpected keyword argument 'panel'

那么，我怎么把panel 为false和ture输出的相互转换成一摸一样的呢？
如：
h1 = get_price(stocks, end_date=None, frequency='1d', fields='close', count=30, panel=False )

h2 = get_price(stocks, end_date=None, frequency='1d', fields='close', count=30, panel=True )

h1和h2如何转换？

查阅网上使用to_frame好像不行

在一创聚宽（旧版 API 环境）中，get_price 函数确实没有 panel 这个参数。当查询多只股票时，它默认返回的是旧版 pandas 的 Panel 对象。而在聚宽官网的新版 API 中，由于新版 pandas 已经废弃了 Panel，所以引入了 panel=False 参数来直接返回 DataFrame。

如果你在一创聚宽中想要获取和官网 panel=False 一样结构的数据，可以通过对返回的 Panel 对象进行提取或转换来实现。以下是具体的解决方案：

1. 最常见的需求：提取单个字段的 DataFrame

如果你查询了多只股票，并且只需要某一个字段（例如 'close'），panel=True 返回的 Panel 对象其实就像是一个三维字典。你只需要像取字典一样把该字段取出来，就能得到一个完美的二维 DataFrame（行是时间，列是股票代码）。

# 一创聚宽中，去掉 panel 参数，默认返回 Panel 对象
h2 = get_price(stocks, end_date=None, frequency='1d', fields=['close'], count=30)

# 直接提取 'close' 字段，得到的就是一个 DataFrame
# 行索引(index)为日期，列索引(columns)为股票代码
df_close = h2['close'] 

print(df_close.head())

注：即使你在 fields 里只写了 'close'，返回的依然是 Panel，必须通过 h2['close'] 降维提取。

2. 将整个 Panel 转换为 MultiIndex DataFrame

如果你查询了多个字段（如 ['open', 'close', 'volume']），并且希望得到和官网 panel=False 完全一样的多重索引（MultiIndex）DataFrame，可以使用 to_frame() 方法。如果你说 to_frame() 不行，可能是因为维度对齐的问题，可以尝试先转置再转换：

# 获取多字段的 Panel 数据
h2 = get_price(stocks, end_date=None, frequency='1d', fields=['open', 'close', 'volume'], count=30)

# 方法 A：直接使用 to_frame() 
# 这会将 items (字段) 变成列，major_axis (时间) 和 minor_axis (股票代码) 变成行索引
df_multi = h2.to_frame()

# 方法 B：如果方法 A 的行列结构不是你想要的，可以先用 transpose 调整维度顺序
# 例如：将时间作为行，股票代码和字段作为多重列索引
df_multi_transposed = h2.transpose(1, 2, 0).to_frame()

3. 替代方案：使用字典推导式重组数据

如果 to_frame() 在你的特定 pandas 版本中表现异常，你可以手动将 Panel 拆解并用 pd.concat 重新组合成 DataFrame。这是一种非常稳妥且兼容性极强的方法：

import pandas as pd

# 获取 Panel 数据
h2 = get_price(stocks, end_date=None, frequency='1d', fields=['open', 'close'], count=30)

# 将 Panel 转换为以股票代码为 key，DataFrame 为 value 的字典
# 然后用 pd.concat 拼接，形成 MultiIndex DataFrame
df_combined = pd.concat({stock: h2.minor_xs(stock) for stock in stocks}, axis=1)

print(df_combined.head())

总结建议

在量化策略编写中，90% 的场景下我们只需要单字段的截面数据。因此，最推荐的做法是：在一创聚宽中直接使用 h2 = get_price(...)，然后用 h2['close']、h2['volume'] 的方式将你需要的数据单独提取为 DataFrame 进行计算，这样既不会报错，代码也最简洁易读。