使用Alpaca API批量下载股票价格时遇TypeError错误求助

错误原因 #

你遇到的*TypeError*是因为barsets的结构和你预期的字典不符，实际它是包含Bar对象的可迭代结构（或列表）。当你用for symbol in barsets循环时，symbol变量实际拿到的是单个Bar实例而非股票代码，再用barsets[symbol]自然会触发索引类型错误。

另外代码存在逻辑漏洞：第一个循环里每次都会覆盖barsets变量，最终只会保留最后一个chunk的下载数据，前面的chunk数据全部丢失。

修复步骤 #

1. 修正chunk处理逻辑，边下载边处理 #

将数据插入代码放到chunk循环内部，避免数据丢失。

2. 正确遍历Alpaca API返回的bars数据 #

根据Alpaca SDK v2的返回结构，api.get_bars返回的Bars对象可通过.items()方法遍历每个股票代码及其对应的K线列表：

修改后的完整代码：

chunk_size = 200
for i in range(0, len(symbols), chunk_size):
    symbol_chunk = symbols[i:i+chunk_size]
    barsets = api.get_bars(symbol_chunk, TimeFrame.Day, start="2019-10-01", end=None, adjustment='raw')
    
    # 遍历每个股票代码对应的K线数据
    for symbol, bars in barsets.items():
        stock_id = symbol_dic[symbol]
        for bar in tqdm(bars, desc=f"Processing {symbol}"):
            cursor.execute("""
                INSERT INTO stock_price (stock_id, date, open, high, low, close, volume) VALUES (?, ?, ?, ?, ?, ?, ?)
                """, (stock_id, bar.t.date(), bar.o, bar.h, bar.l, bar.c, bar.v))
    # 每个chunk提交一次，避免事务过大
    connection.commit()

# 最后确保所有数据提交
connection.commit()

备选高效方案：DataFrame批量插入 #

如果数据量较大，建议用DataFrame批量插入提升效率：

import pandas as pd

chunk_size = 200
for i in range(0, len(symbols), chunk_size):
    symbol_chunk = symbols[i:i+chunk_size]
    barsets = api.get_bars(symbol_chunk, TimeFrame.Day, start="2019-10-01", end=None, adjustment='raw')
    
    # 转换为DataFrame并整理数据
    df = barsets.df.reset_index()
    df['stock_id'] = df['symbol'].map(symbol_dic)
    df = df[['stock_id', 'timestamp', 'open', 'high', 'low', 'close', 'volume']]
    df['timestamp'] = df['timestamp'].dt.date
    
    # 批量插入数据库
    df.to_sql('stock_price', connection, if_exists='append', index=False)
    connection.commit()

补充说明 #

• 若你使用的是旧版Alpaca SDK（v1），api.get_bars本身返回字典结构，只需把插入代码移到chunk循环内部即可解决数据丢失问题，原遍历逻辑可保留。
• 用tqdm包裹单支股票的K线循环，能更清晰看到每支股票的处理进度。

内容的提问来源于stack exchange，提问作者gabrsafwat