如何把 A 股行情高效存成 Parquet/Feather？（比 CSV 更省空间、保留类型）

Q: 能直接把全 A 存成一个 Parquet 吗？

可以，但更推荐按 `symbol` 或 `trade_date` 分区，便于增量更新与按需读取。

Q: 需要付费吗？

批量取数（`klines.batch`）小规模有免费额度；全市场取数需 Starter 及以上。存储格式本身是本地能力，不涉及付费。详见[定价页](https://alphafeed.org/)。

工程化 · 代码验证于 2026-09-23

如何把 A 股行情高效存成 Parquet/Feather？

一句话回答： 用 CSV 存全市场 K 线又占空间、读得慢、还会把 float/datetime 类型退化成字符串。用 AlphaFeed 的 klines.batch 批量取数后存成 Parquet（列式、带压缩）或 Feather（快速读写），实测体积约为 CSV 的 1/3、能完整保留 dtype，列式读取在大数据量下更省内存——这是量化本地库的正确存储姿势。

为什么会有这个问题 / 传统做法的痛点

新手习惯 to_csv 存数据，标的一多问题就来了：① 体积大（纯文本无压缩）；② 读回来 float、datetime 全变字符串，要重新 astype/parse；③ 只想读某几列也得整表扫描。Parquet/Feather 这类列式二进制格式天生解决这三点：压缩省空间、保留类型、按列读取。

分步骤解决（每步配可运行代码）

第 1 步：批量取数并合并成一张长表

from alphafeed import AlphaFeed
import pandas as pd

af = AlphaFeed()  # 读取 ALPHAFEED_API_KEY

codes = ["600519.SH", "000001.SZ", "601318.SH", "000858.SZ", "300750.SZ"]
data = af.klines.batch(codes, period="1d", count=250,
                       adjust="forward", to_dataframe=True)  # dict{symbol: DataFrame}

big = pd.concat([d.assign(symbol=s) for s, d in data.items()], ignore_index=True)
print(big.shape, list(big.columns))

第 2 步：存 Parquet / Feather（需要 pyarrow）

# pip install pyarrow
big.to_parquet("klines.parquet", engine="pyarrow", compression="snappy")
big.to_feather("klines.feather")

# 读回来，dtype 自动保留，无需手动 astype
df = pd.read_parquet("klines.parquet")
print(df.dtypes.to_dict())

第 3 步：CSV vs Parquet vs Feather 实测对比

用上面 5 只股票 × 250 日（1250 行）实测（数值随机器/数据量而变）：

格式	体积	特点	适用
CSV	~187 KB	纯文本、通用、丢类型	与外部交换、人看
Parquet	~71 KB	列式+压缩、保留类型、按列读	本地库/大数据量首选
Feather	~98 KB	读写极快、保留类型	临时中间结果、快速缓存

Parquet 体积约为 CSV 的 1/3。小文件上 Parquet 的读取未必比 CSV 快（有编解码开销），但数据量越大、列越多、只读部分列时，Parquet 的压缩与列式优势越明显。

第 4 步：分区存储（按标的/日期切分，便于增量与按需读）

# 按 symbol 分区，之后可只读某几只，不必加载全表
big.to_parquet("klines_ds/", engine="pyarrow",
               partition_cols=["symbol"], compression="snappy")

# 只读其中一只
one = pd.read_parquet("klines_ds/", filters=[("symbol", "==", "600519.SH")])
print(len(one))

方案	说明	好处
单文件 Parquet	全部塞一个 `.parquet`	简单，小库够用
按 symbol 分区	`partition_cols=["symbol"]`	按标的按需读、增量更新
按日期分区	`partition_cols=["trade_date"]`	按时间范围读、追加当日

关键坑与注意事项

需要装 pyarrow：pip install pyarrow（或 fastparquet）；否则 to_parquet 报缺引擎。
Parquet 不是「越小读越快」：小文件因编解码开销读取可能慢于 CSV，优势在大数据量、列裁剪与压缩上。
Feather 偏向临时缓存：读写最快，但不如 Parquet 适合长期分区归档。
分区列会从数据变成目录：partition_cols 指定的列在文件里不再单独存，读回时由目录还原，注意别选高基数列（如时间戳）导致海量小目录。
字符串类型：新版 pandas 的 StringDtype 与 object 混用时，落盘前统一类型更稳。
和增量入库配合：批量取数→存分区 Parquet 是本地库基础，增量更新逻辑见「批量下载全市场到本地库」一文。

常见问题（FAQ）

Q：Parquet 和 Feather 选哪个？ A：长期本地库、大数据量、要压缩和按列/分区读 → Parquet；临时中间结果、追求读写速度 → Feather。

Q：Parquet 一定比 CSV 快吗？ A：不一定。小文件上 CSV 反而可能读得快；Parquet 的优势是体积小、保留类型、只读部分列时快，数据量越大越明显。

Q：能直接把全 A 存成一个 Parquet 吗？ A：可以，但更推荐按 symbol 或 trade_date 分区，便于增量更新与按需读取。

Q：需要付费吗？ A：批量取数（klines.batch）小规模有免费额度；全市场取数需 Starter 及以上。存储格式本身是本地能力，不涉及付费。详见定价页。

小结

量化本地库的存储，别再用 CSV。用 AlphaFeed 的 klines.batch 批量取回后存成 Parquet（省空间、保留类型、支持分区与列裁剪）或 Feather（快速缓存），实测 Parquet 体积仅 CSV 的三分之一。配合按标的/日期分区，就能构建高效、可增量更新的本地行情库。