本篇重点

• Ticks 介绍及属性说明
• 使用 Pandas 将 Ticks 资料转换为 DataFrame

Ticks 介绍及属性说明

官方说明文件：https://sinotrade.github.io/tutor/market_data/historical/#ticks-data
所谓的tick，就是看盘软件中的成交明细资料，而证交所也从2020年3月23日实施逐笔交易，不再是以前盘中每五秒才撮合一次。

也因为成交明细的资料会较多，所以Tick资料一次只能抓一个交易日的资料。
api.ticks参数说明

api.ticks(
        contract: BaseContract, #传入所要抓取ticks资料的Contract
        date: str = dt.date.today().strftime("%Y-%m-%d"), #交易日期，预设为程序执行当下的日期
        query_type: TicksQueryType = TicksQueryType.AllDay, #预设为抓当天一整天的资料
        time_start: typing.Union[str, dt.time] = None, #资料开始时间，预设为None，即不指定开始时间
        time_end: typing.Union[str, dt.time] = None, #资料结束时间，预设为None，即不指定结束时间
        last_cnt: int = 0, #仅回传最後X笔资料，预设为0，即回传所有的资料
        timeout: int = 30000, #timeout时间，预设为30000ms
        cb: typing.Callable[[Ticks], None] = None
    )

使用范例如下：

# TicksQueryType.AllDay 抓交易日期全天tick资料
ticks = api.ticks(
    contract=api.Contracts.Stocks["2330"], #指定要抓ticks资料的Contract
    date="2021-09-17", #交易日期
)

若只要抓取交易日期中，特定时间区间的资料，可以在参数中指定开始时间及结束时间，范例如下：

# TicksQueryType.RangeTime 抓交易日期，特定时段tick资料
ticks = api.ticks(
    contract=api.Contracts.Stocks["2330"], #指定要抓ticks资料的Contract
    date="2021-09-17", #交易日期
    query_type=sj.constant.TicksQueryType.RangeTime, #指定QueryType为RangeTime
    time_start="09:10:00", #开始时间
    time_end="09:20:00" #结束时间
)

若只要抓取最後5笔tick资料，范例如下：

# TicksQueryType.LastCount 抓交易日期最後X笔tick资料
last_5_ticks = api.ticks(
    contract=api.Contracts.Stocks["2330"], #指定要抓ticks资料的Contract
    date="2021-09-17", #交易日期
    query_type=sj.constant.TicksQueryType.LastCount, #指定QueryType为LastCount
    last_cnt=5 #指定要抓最後5笔tick资料
)

TicksQueryType，只有AllDay、RangeTime及LastCount这三种，使用方式就如同上面的这三个范例，但请注意这三种方式无法混用，因为api.ticks主要是依照query_type这个参数，去决定要抓哪些资料。
例如：

ticks = api.ticks(
    contract=api.Contracts.Stocks["2330"], #指定要抓ticks资料的Contract
    date="2021-09-17", #交易日期
    query_type=sj.constant.TicksQueryType.RangeTime, #指定QueryType为RangeTime
    time_start="09:10:00", #开始时间
    time_end="09:20:00", #结束时间
    last_cnt=5 #指定要抓最後5笔tick资料，但指定TicksQueryType.RangeTime会忽略此参数
)

因为在query_type这个参数，已经指定QueryType为RangeTime，虽然有指定last_cnt=5，但回传的资料其实跟第二个范例TicksQueryType.RangeTime一样。

所回传的资料为shioaji.data.Ticks物件，属性说明如下：

跟之前抓到的资料不同的地方在於，所回传的资料是一个shioaji.data.Ticks物件而非List，也就是把所有的tick资料存在一个物件中，而物件中的属性内容为List，用来放每一个tick的资料。
若你用上面的范例并执行print(last_5_ticks)，会看到以下的资料内容。

Ticks(
ts=[1631885096148332000, 1631885098755243000, 1631885098967648000, 1631885400000000000, 1631889000000000000],
close=[609.0, 609.0, 608.0, 600.0, 600.0],
volume=[1, 1, 1, 22082, 57],
bid_price=[608.0, 608.0, 608.0, 600.0, 600.0],
bid_volume=[298, 298, 297, 1107, 1107],
ask_price=[609.0, 609.0, 609.0, 601.0, 601.0],
ask_volume=[164, 164, 162, 3, 3])

使用 Pandas 将 Ticks 资料转换为 DataFrame

使用api.ticks取得资料，若未经过处理，在阅读上较为困难，此时可以先把tick资料转换为DataFram。但因为资料内容格式与之前的格式不同，所以在转换前要先将物件内容先转换为Dict
程序范例如下：

df = pd.DataFrame({**last_5_ticks}) #先将Ticks物件转换为Dict，再传入DataFrame做转换
df.ts = pd.to_datetime(df.ts) #将原本的ts栏位中的资料，转换为DateTime格式并回存
print(df) #将DataFrame的资料输出至console中

在执行print(df)後，原本的资料内容，已变成下列比较方便阅读的格式

   close  bid_price  ask_volume  ask_price                         ts  bid_volume  volume
0  609.0      608.0         164      609.0 2021-09-17 13:24:56.148332         298       1
1  609.0      608.0         164      609.0 2021-09-17 13:24:58.755243         298       1
2  608.0      608.0         162      609.0 2021-09-17 13:24:58.967648         297       1
3  600.0      600.0           3      601.0 2021-09-17 13:30:00.000000        1107   22082
4  600.0      600.0           3      601.0 2021-09-17 14:30:00.000000        1107      57