Python多线程调用yfinance下载股票数据报错can't start new thread

yfinance的download方法默认会为传入的每个股票标的分配独立线程执行下载任务，你一次性传入5467个标的，远超过操作系统允许的单进程最大线程数，因此触发Runtime Error: can't start new thread报错。

无需自行改写下载逻辑，直接使用yfinance内置的并发数限制参数即可，仅需在调用download方法时添加threads参数指定最大并发线程数，数值可根据设备性能、网络带宽调整，通常设置为4~32区间即可：

# 限制最大并发线程为8，既不会触发线程超限，也能充分利用带宽提升下载速度
stock_prices_daily = yf.download(ticker_daily, group_by='Ticker', start = '1990-01-01', threads=8)

如果你需要在下载过程中做额外的字段处理、失败重试等自定义操作，可以采用批量拆分标的+多线程分批下载+一次性合并结果的方案，效率远高于你当前使用的单标的串行循环方案：

• 将5467个标的拆分为多个小批次，每批次包含50~200个标的
• 单批次内启用多线程下载，完成一批再处理下一批，避免线程数超限
• 不要使用pandas.DataFrame.append方法逐次拼接结果，该方法已被废弃且内存效率极低，可将所有下载完成的临时DataFrame存入列表，最后用pd.concat一次性合并

优化后的示例代码如下：

import pandas as pd

# 每批下载的标的数量，可根据实际情况调整
batch_size = 100
temp_df_list = []
# 拆分标的列表为小批次
ticker_batches = [ticker_daily[i:i+batch_size] for i in range(0, len(ticker_daily), batch_size)]

for batch in ticker_batches:
    # 单批次内启用10线程下载
    batch_raw = yf.download(batch, start='1990-01-01', group_by='Ticker', threads=10)
    # 转换为带Ticker字段的长表格式，和你原循环输出格式一致
    batch_formatted = batch_raw.stack(level=0).rename_axis(['Date', 'Ticker']).reset_index(level=1)
    temp_df_list.append(batch_formatted)

# 一次性合并所有批次的下载结果
stock_prices = pd.concat(temp_df_list, ignore_index=False)

内容的提问来源于stack exchange，提问作者Tom