股票交易类StockData共包含以下几个方法：
(1) __init__(code=None, pandas=True, inter=True)
继承自基础类的初始化方法增加了一个表示股票代码的参数code，创建股票交易类的对象时您需要将欲获取数据的股票代码赋值于code
示例：
import gugu as gg
obj = gg.StockData(code='600000') # 以'600000'创建股票交易对象，获取'浦发银行'交易数据
(2) history(start='', end='', ktype='D', autype='qfq', index=False, retry=3, pause=0.001)
获取股票交易历史数据
参数：
start:string
开始日期 format：YYYY-MM-DD 为空时取上市首日
end:string
结束日期 format：YYYY-MM-DD 为空时取最近一个交易日
autype:string
复权类型，qfq-前复权 hfq-后复权 None-不复权，默认为qfq
ktype：string
数据类型，D=日k线 W=周 M=月 5=5分钟 15=15分钟 30=30分钟 60=60分钟，默认为D
retry: int, 默认 3
如遇网络等问题重复执行的次数
pause : int, 默认 0
重复请求数据过程中暂停的秒数，防止请求间隔时间太短出现的问题
返回值：
DataFrame or list: [{'date':, 'open':, ...}, ...]
date 交易日期
open 开盘价
high 最高价
close 收盘价
low 最低价
volume 成交量
code 股票代码
示例：
import gugu as gg
obj = gg.StockData(code='600000') # 创建股票交易对象
data = obj.history() # 获取浦发银行(600000)历史交易数据
obj.output() # 输出数据
输出：
date open close high low volume code
0 2016-07-18 11.823 11.853 11.958 11.770 277669.0 600000
1 2016-07-19 11.853 11.823 11.875 11.763 171798.0 600000
2 2016-07-20 11.800 11.838 11.845 11.748 148665.0 600000
3 2016-07-21 11.830 11.898 11.928 11.800 220204.0 600000
4 2016-07-22 11.883 11.748 11.890 11.710 167117.0 600000
5 2016-07-25 11.748 11.793 11.845 11.748 114419.0 600000
6 2016-07-26 11.793 11.830 11.868 11.763 204623.0 600000
7 2016-07-27 11.823 11.928 11.935 11.612 406973.0 600000
8 2016-07-28 11.853 11.785 11.868 11.763 174513.0 600000
9 2016-07-29 11.763 11.800 11.808 11.733 143483.0 600000
10 2016-08-01 11.785 11.875 11.913 11.763 229099.0 600000
11 2016-08-02 11.868 11.838 11.913 11.785 108778.0 600000
12 2016-08-03 11.755 11.778 11.815 11.740 105839.0 600000
13 2016-08-04 11.793 11.718 11.793 11.642 156104.0 600000
14 2016-08-05 11.725 11.823 11.875 11.718 176485.0 600000
15 2016-08-08 11.845 11.830 11.845 11.770 131293.0 600000
16 2016-08-09 11.838 11.868 11.875 11.808 154808.0 600000
17 2016-08-10 11.875 11.898 11.913 11.823 184995.0 600000
18 2016-08-11 11.838 12.078 12.326 11.830 526894.0 600000
19 2016-08-12 12.116 12.296 12.319 12.026 469916.0 600000
20 2016-08-15 12.401 12.732 12.792 12.364 773338.0 600000
21 2016-08-16 12.732 12.552 12.770 12.529 493840.0 600000
22 2016-08-17 12.567 12.507 12.665 12.417 364465.0 600000
23 2016-08-18 12.439 12.356 12.604 12.289 371101.0 600000
24 2016-08-19 12.349 12.341 12.401 12.296 199273.0 600000
25 2016-08-22 12.341 12.334 12.379 12.259 197686.0 600000
26 2016-08-23 12.334 12.326 12.447 12.266 317543.0 600000
27 2016-08-24 12.334 12.319 12.409 12.281 170854.0 600000
28 2016-08-25 12.296 12.281 12.334 12.176 247499.0 600000
29 2016-08-26 12.296 12.281 12.326 12.244 146880.0 600000
.. ... ... ... ... ... ... ...
611 2019-01-17 10.170 10.170 10.280 10.070 227660.0 600000
612 2019-01-18 10.290 10.430 10.440 10.220 290871.0 600000
613 2019-01-21 10.360 10.350 10.460 10.300 189477.0 600000
614 2019-01-22 10.380 10.250 10.380 10.230 162505.0 600000
615 2019-01-23 10.290 10.270 10.340 10.250 165203.0 600000
616 2019-01-24 10.340 10.380 10.390 10.270 150066.0 600000
617 2019-01-25 10.450 10.500 10.560 10.380 196965.0 600000
618 2019-01-28 10.530 10.420 10.660 10.390 217690.0 600000
619 2019-01-29 10.390 10.580 10.630 10.380 237680.0 600000
620 2019-01-30 10.590 10.500 10.640 10.470 160542.0 600000
621 2019-01-31 10.590 10.730 10.730 10.510 251310.0 600000
622 2019-02-01 10.820 10.770 10.820 10.620 191193.0 600000
623 2019-02-11 10.620 10.700 10.730 10.620 202165.0 600000
624 2019-02-12 10.710 10.720 10.730 10.630 167696.0 600000
625 2019-02-13 10.740 10.860 10.930 10.680 302486.0 600000
626 2019-02-14 10.850 10.820 10.910 10.800 198152.0 600000
627 2019-02-15 10.780 10.660 10.850 10.660 177587.0 600000
628 2019-02-18 10.750 10.840 10.870 10.700 201022.0 600000
629 2019-02-19 10.850 10.800 10.960 10.780 259527.0 600000
630 2019-02-20 10.920 10.830 10.920 10.810 222863.0 600000
631 2019-02-21 10.830 10.790 10.930 10.750 254023.0 600000
632 2019-02-22 10.760 11.010 11.010 10.760 259074.0 600000
633 2019-02-25 11.030 11.920 11.950 11.030 937122.0 600000
634 2019-02-26 11.910 11.650 12.150 11.600 836432.0 600000
635 2019-02-27 11.710 11.830 12.070 11.670 712016.0 600000
636 2019-02-28 11.830 11.740 11.920 11.680 393934.0 600000
637 2019-03-01 11.810 12.020 12.060 11.600 632546.0 600000
638 2019-03-04 12.120 12.020 12.380 11.950 850247.0 600000
639 2019-03-05 12.010 11.980 12.040 11.870 545642.0 600000
640 2019-03-06 11.990 12.050 12.150 11.940 272160.0 600000
(3) xrxd(date='', retry=3, pause=0.001)
获取股票除权除息信息，注意该方法返回值既不是pandas.DataFrame类型也不是list类型而是dict类型，因此输出数据时不能使用基类的output方法而是直接使用print()函数输出
参数：
date: string
format：YYYY-MM-DD
retry: int, 默认 3
如遇网络等问题重复执行的次数
pause : int, 默认 0
重复请求数据过程中暂停的秒数，防止请求间隔时间太短出现的问题
返回值：
Dict or None
nd, 对应年份
fh_sh, 分红数额
djr, 股权登记日
cqr, 除权日
FHcontent, 除权除息信息
示例：
import gugu as gg
obj = gg.StockData(code='600000') # 创建股票交易对象
data = obj.xrxd(date='2018-07-13') # 获取浦发银行(600000)2018-07-13号的除权除息信息
print(data) # 使用print()函数输出结果
输出：
{'nd': '2017', 'fh_sh': '1', 'djr': '2018-07-12', 'cqr': '2018-07-13', 'FHcontent': '10派1元'}
(4) realtime()
获取实时分笔数据，实时获取个股当前价格及成交信息，您可以通过该方法实现实时交易监控。注意，当您调用该方法时，在创建股票交易对象时code参数可以是6位数字股票代码，或者指数代码（sh=上证指数 sz=深圳成指 hs300=沪深300指数 sz50=上证50 zxb=中小板 cyb=创业板） 可输入的类型：str、list、set或者pandas的Series对象
返回值：
DataFrame or list: [{'name':, 'open':, ...}, ...]
name，股票名字
open，今日开盘价
pre_close，昨日收盘价
price，当前价格
high，今日最高价
low，今日最低价
bid，竞买价，即“买一”报价
ask，竞卖价，即“卖一”报价
volumn，成交量 maybe you need do volumn/100
amount，成交金额（元 CNY）
b1_v，委买一（笔数 bid volume）
b1_p，委买一（价格 bid price）
b2_v，“买二”
b2_p，“买二”
b3_v，“买三”
b3_p，“买三”
b4_v，“买四”
b4_p，“买四”
b5_v，“买五”
b5_p，“买五”
a1_v，委卖一（笔数 ask volume）
a1_p，委卖一（价格 ask price）
...
date，日期；
time，时间；
示例：
import gugu as gg
obj = gg.StockData(code='600000') # 创建股票交易对象（个股）
obj = gg.StockData(code = ['000001', '600000', '300001']) # 创建股票交易对象（多股）
obj = gg.StockData(code=series['code'].tail(10)) # 创建股票交易对象（通过Series一次获取10个股票的实时分笔数据）
obj = gg.StockData(code=['sh','sz','hs300','sz50','zxb','cyb']) # 创建股票交易对象（获取上证指数、深圳成指、沪深300指数、上证50、中小板、创业板实时指数）
obj = gg.StockData(code=['sh','600000']) # 创建股票交易对象（获取上证指数及个股实时数据）
data = obj.realtime() # 获取实时交易数据
obj.output() # 输出数据
输出：
name open pre_close price ... a5_p date time code 0 浦发银行 11.440 11.500 11.490 ... 11.530 2019-03-11 11:30:00 600000
选择性输出：
data[['code','name','price','bid','ask','volume','amount','time']]
code name price bid ask volume amount time
0 600000 浦发银行 11.490 11.480 11.490 23045971 263743509.000 11:30:00
(5) historyTicks(date=None, retry=3, pause=0.001)
获取历史分笔明细数据
参数：
date : string
日期 format：YYYY-MM-DD, 默认为前一个交易日
retry : int, 默认 3
如遇网络等问题重复执行的次数
pause : int, 默认 0
重复请求数据过程中暂停的秒数，防止请求间隔时间太短出现的问题
返回值：
DataFrame or list: [{'time':, 'price':, ...}, ...]
time：时间
price：成交价格
change：价格变动
volume：成交手
amount：成交金额(元)
type：买卖类型【买盘、卖盘、中性盘】
示例：
import gugu as gg
obj = gg.StockData(code='600000') # 创建股票交易对象
data = obj.historyTicks() # 获取历史分笔明细数据
obj.output() # 输出数据
输出：
time price change volume amount type
0 15:00:00 11.50 0.00 0 0 买盘
1 15:00:00 11.50 0.04 7742 8903300 卖盘
2 14:58:35 11.46 0.00 0 0 卖盘
3 14:58:19 11.46 0.00 0 0 卖盘
4 14:58:02 11.46 0.00 0 0 卖盘
5 14:57:47 11.46 0.00 0 0 卖盘
6 14:57:44 11.46 0.00 0 0 卖盘
7 14:57:08 11.46 0.00 0 0 卖盘
8 14:57:01 11.46 0.00 0 0 卖盘
9 14:56:56 11.46 -0.01 138 158148 卖盘
10 14:56:53 11.47 0.00 95 108965 买盘
11 14:56:47 11.47 0.00 96 110112 买盘
12 14:56:44 11.47 11.47 60 68820 买盘
13 14:56:44 11.47 0.00 60 68820 买盘
14 14:56:41 11.47 0.00 138 158286 买盘
15 14:56:38 11.47 -0.01 15 17205 中性盘
16 14:56:35 11.48 0.01 47 53956 买盘
17 14:56:32 11.47 0.00 41 47038 卖盘
18 14:56:29 11.47 0.00 25 28675 卖盘
19 14:56:26 11.47 -0.01 127 145669 卖盘
20 14:56:23 11.48 0.01 119 136612 买盘
21 14:56:20 11.47 0.00 137 157139 卖盘
22 14:56:17 11.47 0.00 11 13753 买盘
23 14:56:14 11.47 0.01 154 176638 买盘
24 14:56:11 11.46 -0.01 65 74490 卖盘
25 14:56:05 11.47 -0.01 13 14911 买盘
26 14:56:02 11.48 0.00 11 12628 买盘
27 14:55:59 11.48 0.01 29 33292 买盘
28 14:55:56 11.47 0.01 1 1812 中性盘
29 14:55:53 11.46 -0.03 8 9168 卖盘
... ... ... ... ... ... ...
4423 09:31:25 11.68 0.00 18 21024 卖盘
4424 09:31:22 11.68 -0.02 141 164688 卖盘
4425 09:31:19 11.70 0.00 466 545220 买盘
4426 09:31:16 11.70 0.01 34 39780 买盘
4427 09:31:13 11.69 0.01 510 596190 买盘
4428 09:31:10 11.68 -0.01 53 61904 卖盘
4429 09:31:07 11.69 0.01 86 100534 买盘
4430 09:31:04 11.68 -0.01 295 344560 卖盘
4431 09:31:01 11.69 0.01 74 86506 买盘
4432 09:30:58 11.68 -0.01 127 148336 卖盘
4433 09:30:55 11.69 0.02 250 292250 买盘
4434 09:30:52 11.67 -0.01 447 521649 卖盘
4435 09:30:49 11.68 0.00 366 427488 买盘
4436 09:30:46 11.68 0.01 210 245280 买盘
4437 09:30:43 11.67 -0.01 586 683862 卖盘
4438 09:30:40 11.68 0.02 266 310688 买盘
4439 09:30:37 11.66 -0.01 165 192390 卖盘
4440 09:30:34 11.67 0.00 221 257907 中性盘
4441 09:30:31 11.67 -0.01 581 678027 中性盘
4442 09:30:28 11.68 0.03 464 541952 买盘
4443 09:30:25 11.65 -0.02 115 133975 卖盘
4444 09:30:22 11.67 0.02 546 637182 买盘
4445 09:30:19 11.65 -0.01 1008 1174320 卖盘
4446 09:30:16 11.66 0.00 769 896654 买盘
4447 09:30:13 11.66 -0.02 1407 1640562 卖盘
4448 09:30:10 11.68 0.00 1147 1339696 买盘
4449 09:30:07 11.68 -0.04 1408 1644544 卖盘
4450 09:30:04 11.72 0.00 944 1106368 买盘
4451 09:30:01 11.72 11.72 717 840324 买盘
4452 09:25:00 11.72 11.72 7134 8361048 买盘
(6) todayTicks(retry=3, pause=0.001)
获取当日分笔明细数据
参数：
retry : int, 默认 3
如遇网络等问题重复执行的次数
pause : int, 默认 0
重复请求数据过程中暂停的秒数，防止请求间隔时间太短出现的问题
返回值：
DataFrame or list: [{'time':, 'price':, ...}, ...]
time：时间
price：当前价格
pchange:涨跌幅
change：价格变动
volume：成交手
amount：成交金额(元)
type：买卖类型【买盘、卖盘、中性盘】
示例：
import gugu as gg
obj = gg.StockData(code='600000') # 创建股票交易对象
data = obj.todayTicks() # 获取当日分笔明细数据
obj.output() # 输出数据
输出：
time price pchange change volume amount type
0 14:05:06 11.44 -0.52 0.01 4 4576 买盘
1 14:05:03 11.43 -0.61 0.00 11 12573 卖盘
2 14:05:00 11.43 -0.61 -0.01 51 58293 卖盘
3 14:04:54 11.44 -0.52 0.00 3 3432 买盘
4 14:04:51 11.44 -0.52 0.01 5 5720 买盘
5 14:04:48 11.43 -0.61 0.00 57 65151 卖盘
6 14:04:45 11.43 -0.61 0.00 184 210312 卖盘
7 14:04:39 11.43 -0.61 -0.01 4 4572 卖盘
8 14:04:36 11.44 -0.52 0.00 9 10296 买盘
9 14:04:33 11.44 -0.52 0.01 67 76648 买盘
10 14:04:30 11.43 -0.61 -0.01 66 75438 卖盘
11 14:04:27 11.44 -0.52 0.00 19 21736 买盘
12 14:04:21 11.44 -0.52 0.00 29 33176 买盘
13 14:04:18 11.44 -0.52 0.01 55 62920 买盘
14 14:04:09 11.43 -0.61 0.00 33 37719 卖盘
15 14:04:06 11.43 -0.61 0.00 4 4572 卖盘
16 14:04:03 11.43 -0.61 0.00 12 13716 卖盘
17 14:04:00 11.43 -0.61 -0.01 38 43434 卖盘
18 14:03:54 11.44 -0.52 0.00 8 9152 买盘
19 14:03:48 11.44 -0.52 0.01 42 48048 买盘
20 14:03:45 11.43 -0.61 0.00 23 26289 卖盘
21 14:03:42 11.43 -0.61 0.00 11 12573 卖盘
22 14:03:39 11.43 -0.61 0.00 20 22860 卖盘
23 14:03:33 11.43 -0.61 0.00 28 32004 卖盘
24 14:03:30 11.43 -0.61 -0.01 33 37719 卖盘
25 14:03:27 11.44 -0.52 0.01 4 4576 买盘
26 14:03:21 11.43 -0.61 0.00 10 11430 卖盘
27 14:03:18 11.43 -0.61 0.00 98 112014 卖盘
28 14:03:15 11.43 -0.61 0.00 10 11430 卖盘
29 14:03:09 11.43 -0.61 0.00 1 1143 卖盘
... ... ... ... ... ... ... ...
3123 09:31:22 11.54 +0.35 0.00 159 183486 卖盘
3124 09:31:19 11.54 +0.35 -0.01 83 95782 卖盘
3125 09:31:16 11.55 +0.43 0.01 291 336105 买盘
3126 09:31:13 11.54 +0.35 0.00 12 13848 买盘
3127 09:31:10 11.54 +0.35 0.01 508 586232 买盘
3128 09:31:07 11.53 +0.26 0.00 66 76098 卖盘
3129 09:31:04 11.53 +0.26 0.00 347 400091 买盘
3130 09:31:01 11.53 +0.26 0.02 347 400091 买盘
3131 09:30:58 11.51 +0.09 -0.02 302 347602 卖盘
3132 09:30:55 11.53 +0.26 -0.01 45 51885 卖盘
3133 09:30:52 11.54 +0.35 -0.01 26 30004 卖盘
3134 09:30:49 11.55 +0.43 0.01 1 1155 买盘
3135 09:30:46 11.54 +0.35 0.00 6 6924 卖盘
3136 09:30:43 11.54 +0.35 0.00 24 27696 卖盘
3137 09:30:40 11.54 +0.35 0.02 40 46160 买盘
3138 09:30:37 11.52 +0.17 0.02 341 392832 买盘
3139 09:30:34 11.50 0.00 -0.03 507 583050 卖盘
3140 09:30:31 11.53 +0.26 -0.05 271 312463 中性盘
3141 09:30:28 11.58 +0.70 0.07 491 568578 买盘
3142 09:30:25 11.51 +0.09 -0.01 84 96684 卖盘
3143 09:30:22 11.52 +0.17 0.01 31 35712 买盘
3144 09:30:19 11.51 +0.09 0.02 1012 1164812 卖盘
3145 09:30:16 11.49 -0.09 0.00 239 275254 卖盘
3146 09:30:13 11.49 -0.09 0.00 584 671016 卖盘
3147 09:30:10 11.49 -0.09 0.04 1129 1297221 买盘
3148 09:30:07 11.45 -0.43 -0.04 273 312917 卖盘
3149 09:30:04 11.49 -0.09 0.04 815 936918 买盘
3150 09:30:01 11.45 -0.43 0.01 221 253045 买盘
3151 09:25:00 11.44 -0.52 0.00 2931 3354105 中性盘
3152 09:25:00 11.44 -0.52 0.00 2931 3354105 0
(7) bigDeal(date=None, vol=400, retry=3, pause=0.001)
获取大单数据，默认为大于等于400手，数据来源于新浪财经。
参数：
date:string
日期 format：YYYY-MM-DD
retry : int, 默认 3
如遇网络等问题重复执行的次数
pause : int, 默认 0
重复请求数据过程中暂停的秒数，防止请求间隔时间太短出现的问题
返回值：
DataFrame or list: [{'code':, 'name', ...}, ...]
code：代码
name：名称
time：时间
price：当前价格
volume：成交手
preprice ：上一笔价格
type：买卖类型【买盘、卖盘、中性盘】
示例：
import gugu as gg
obj = gg.StockData(code='600000') # 创建股票交易对象
data = obj.bigDeal(date='2019-03-11') # 获取2019-03-11号大单数据
obj.output() # 输出数据
输出：
code name time price volume preprice type
0 600000 浦发银行 14:10:06 11.41 60500 11.41 卖盘
1 600000 浦发银行 14:09:24 11.41 53600 11.40 买盘
2 600000 浦发银行 14:08:03 11.40 45100 11.41 卖盘
3 600000 浦发银行 14:07:42 11.40 89000 11.40 卖盘
4 600000 浦发银行 14:07:33 11.41 61900 11.41 卖盘
5 600000 浦发银行 14:06:57 11.42 93400 11.43 卖盘
6 600000 浦发银行 14:06:54 11.43 130500 11.42 买盘
7 600000 浦发银行 14:05:09 11.43 50000 11.44 卖盘
8 600000 浦发银行 14:02:24 11.44 63800 11.44 卖盘
9 600000 浦发银行 13:56:33 11.46 41100 11.45 买盘
10 600000 浦发银行 13:54:45 11.46 89357 11.46 卖盘
11 600000 浦发银行 13:48:24 11.45 100900 11.44 买盘
12 600000 浦发银行 13:47:27 11.43 58559 11.43 卖盘
13 600000 浦发银行 13:40:18 11.42 54300 11.41 中性盘
14 600000 浦发银行 13:40:06 11.41 46200 11.42 卖盘
15 600000 浦发银行 13:39:48 11.42 202000 11.42 卖盘
16 600000 浦发银行 13:30:15 11.43 62700 11.43 卖盘
17 600000 浦发银行 13:28:33 11.44 42300 11.44 卖盘
18 600000 浦发银行 13:28:06 11.45 44400 11.46 卖盘
19 600000 浦发银行 13:28:03 11.46 43600 11.45 买盘
20 600000 浦发银行 13:28:00 11.45 49600 11.46 卖盘
21 600000 浦发银行 13:27:51 11.45 65200 11.45 卖盘
22 600000 浦发银行 13:27:45 11.46 144220 11.46 卖盘
23 600000 浦发银行 13:27:36 11.46 43800 11.47 卖盘
24 600000 浦发银行 13:23:48 11.49 51200 11.48 买盘
25 600000 浦发银行 13:22:21 11.47 58670 11.47 卖盘
26 600000 浦发银行 13:15:57 11.48 48900 11.48 卖盘
27 600000 浦发银行 13:13:27 11.49 43300 11.48 买盘
28 600000 浦发银行 13:11:30 11.48 45100 11.49 卖盘
29 600000 浦发银行 13:07:36 11.49 69600 11.51 卖盘
.. ... ... ... ... ... ... ...
134 600000 浦发银行 09:36:10 11.48 40300 11.46 买盘
135 600000 浦发银行 09:36:07 11.46 70400 11.47 卖盘
136 600000 浦发银行 09:36:04 11.47 80100 11.48 卖盘
137 600000 浦发银行 09:35:58 11.49 62500 11.50 卖盘
138 600000 浦发银行 09:35:52 11.51 68200 11.50 买盘
139 600000 浦发银行 09:35:34 11.50 43700 11.51 卖盘
140 600000 浦发银行 09:35:22 11.51 111900 11.52 卖盘
141 600000 浦发银行 09:34:58 11.54 50000 11.52 买盘
142 600000 浦发银行 09:34:34 11.54 69100 11.54 卖盘
143 600000 浦发银行 09:34:13 11.49 95616 11.49 买盘
144 600000 浦发银行 09:34:10 11.49 45300 11.49 买盘
145 600000 浦发银行 09:34:07 11.49 55000 11.48 买盘
146 600000 浦发银行 09:34:01 11.48 40500 11.48 买盘
147 600000 浦发银行 09:33:07 11.49 101200 11.47 买盘
148 600000 浦发银行 09:32:46 11.48 56600 11.46 买盘
149 600000 浦发银行 09:32:34 11.45 65300 11.47 卖盘
150 600000 浦发银行 09:32:31 11.47 113500 11.47 买盘
151 600000 浦发银行 09:32:28 11.47 56800 11.48 卖盘
152 600000 浦发银行 09:32:10 11.47 48500 11.49 卖盘
153 600000 浦发银行 09:31:49 11.49 58700 11.49 买盘
154 600000 浦发银行 09:31:34 11.53 44200 11.54 卖盘
155 600000 浦发银行 09:31:31 11.54 46000 11.54 卖盘
156 600000 浦发银行 09:31:10 11.54 50800 11.53 买盘
157 600000 浦发银行 09:30:34 11.50 50700 11.53 卖盘
158 600000 浦发银行 09:30:28 11.58 49100 11.51 买盘
159 600000 浦发银行 09:30:19 11.51 101200 11.49 卖盘
160 600000 浦发银行 09:30:13 11.49 58400 11.49 卖盘
161 600000 浦发银行 09:30:10 11.49 112900 11.45 买盘
162 600000 浦发银行 09:30:04 11.49 81542 11.45 买盘
163 600000 浦发银行 09:25:00 11.44 293191 0.00 买盘