``` import baostock as bs import pandas as pd import numpy as np import datetime from scipy.signal import argrelextrema from concurrent.futures import ThreadPoolExecutor, as_completed def basic_screening(df): """ 执行基本面筛选： 1. 剔除PE<=0或PE>30的股票 2. 筛选流通市值>100亿 3. 剔除PB<=0的股票 """ df = df.copy() # 转换数据类型 df['peTTM'] = pd.to_numeric(df['peTTM'], errors='coerce') df['total_mv'] = pd.to_numeric(df['total_mv'], errors='coerce') / 1e8 # 转换为亿 df['pbMRQ'] = pd.to_numeric(df['pbMRQ'], errors='coerce') # 设置筛选条件 conditions = ( (df['peTTM'].between(0, 30)) & # 市盈率筛选 (df['total_mv'] > 100) & # 流通市值筛选 (df['pbMRQ'] > 0) # 市净率筛选 ) return df[conditions].reset_index(drop=True) def get_stock_data(): """批量获取股票数据（减少API调用次数）""" # ...（原有代码保持不变）... def detect_divergence_wrapper(args): """包装函数用于多线程传参""" # ...（原有代码保持不变）... if __name__ == "__main__": def get_stock_data(): """批量获取股票数据（减少API调用次数）""" rs = bs.query_all_stock(day=datetime.datetime.now().strftime("%Y-%m-%d")) codes = [row[0] for row in rs.data if not row[0].startswith(('sh.688', 'sz.30'))] # 批量查询基本面数据（每次500支） BATCH_SIZE = 500 data_list = [] for i in range(0, len(codes), BATCH_SIZE): code_batch = codes[i:i + BATCH_SIZE] rs_batch = bs.query_stock_basic(code=",".join(code_batch)) data_list.extend(rs_batch.data) return pd.DataFrame(data_list, columns=['code', 'name', 'peTTM', 'total_mv', 'pbMRQ']) def detect_divergence_wrapper(args): """包装函数用于多线程传参""" code, end_date = args try: rs = bs.query_history_k_data_plus(code, "date,close", end_date=end_date, frequency="d", count=60) data = pd.DataFrame(rs.data, columns=['date', 'close']) # ...（保持原有计算逻辑不变）... return (code, divergence_flag) except Exception as e: print(f"Error processing {code}: {str(e)}") return (code, False) if __name__ == "__main__": bs.login() try: # 优化1：统一获取当前时间 end_date = datetime.datetime.now().strftime("%Y-%m-%d") # 优化2：并行执行主流程 with ThreadPoolExecutor(max_workers=16) as executor: # 阶段1：获取并筛选基础数据 df_base = get_stock_data() df_filtered = basic_screening(df_base) # 阶段2：多线程检测背离 futures = [] code_args = [(code, end_date) for code in df_filtered['code']] for args in code_args: futures.append(executor.submit(detect_divergence_wrapper, args)) # 收集结果 divergence_results = {} for future in as_completed(futures): code, result = future.result() divergence_results[code] = result df_filtered['rsi_divergence'] = df_filtered['code'].map(divergence_results) # 输出结果 final_result = df_filtered[df_filtered['rsi_divergence']] print("筛选结果：") print(final_result[['code', 'name', 'peTTM', 'total_mv']]) finally: bs.logout()```报错，IndentationError: expected an indented block after 'if' statement on line 42，请修正代码

<think>好的，我现在需要帮用户解决他遇到的Python代码缩进错误问题。用户提供的代码报错是IndentationError: expected an indented block after 'if' statement on line 42。首先，我要仔细看一下用户提供的代码，找到问题所在。 首先，用户贴出的代码中有一个明显的结构问题。在Python中，`if __name__ == "__main__":`语句后面必须跟一个缩进的代码块，而用户的代码在42行（根据报错提示）之后没有正确缩进。我注意到在用户的代码中，`if __name__ == "__main__":`下面紧接着的是函数`get_stock_data()`的定义，这显然是不正确的，因为函数定义不应该在if语句块内，除非它们被缩进。但根据代码结构，这里的`get_stock_data()`和后续的函数`detect_divergence_wrapper`以及主逻辑应该是属于if模块下的内容吗？ 仔细看一下用户提供的代码结构，发现`if __name__ == "__main__":`后面直接跟着函数`get_stock_data()`的定义，而没有缩进。这会导致语法错误，因为Python期望在if语句后面有一个缩进的代码块。而实际上，用户可能在主条件块下定义了这些函数，或者在代码结构上存在混乱。 例如，在用户的代码中： if __name__ == "__main__": def get_stock_data(): # 函数体 这里，函数`get_stock_data()`被缩进在if语句块内，但根据用户的代码结构，这可能不是预期的。通常，函数定义不会放在if __name__ == "__main__":块里面，除非这些函数只在主程序运行时定义。不过，用户可能在粘贴代码时出现了格式错误，导致代码结构混乱。 另外，用户提供的代码中，在`if __name__ == "__main__":`下面，函数`get_stock_data()`和`detect_divergence_wrapper`可能被错误地缩进到了该条件语句下。正确的做法是，函数定义应该在该条件块之外，而主程序的执行代码才放在该块内。例如： 正确的结构应该是： def get_stock_data(): # 函数体 def detect_divergence_wrapper(args): # 函数体 if __name__ == "__main__": # 主程序代码 而用户当前的代码结构是： if __name__ == "__main__": def get_stock_data(): # 函数体 def detect_divergence_wrapper(args): # 函数体 这会导致在if语句块内定义了这些函数，但可能用户的意图并不是这样，特别是因为函数中可能调用了其他在主程序中的代码。另外，根据用户提供的错误信息，问题出在if语句后的缩进，所以可能是在if __name__ == "__main__":之后没有正确缩进主程序代码，而是直接开始定义函数，导致缩进错误。 查看用户代码的具体部分： 在代码的中间部分，用户有以下结构： if __name__ == "__main__": def get_stock_data(): """批量获取股票数据（减少API调用次数）""" rs = bs.query_all_stock(day=datetime.datetime.now().strftime("%Y-%m-%d")) codes = [row[0] for row in rs.data if not row[0].startswith(('sh.688', 'sz.30'))] # 批量查询基本面数据（每次500支） BATCH_SIZE = 500 data_list = [] for i in range(0, len(codes), BATCH_SIZE): code_batch = codes[i:i + BATCH_SIZE] rs_batch = bs.query_stock_basic(code=",".join(code_batch)) data_list.extend(rs_batch.data) return pd.DataFrame(data_list, columns=['code', 'name', 'peTTM', 'total_mv', 'pbMRQ']) 这里明显存在缩进问题。`if __name__ == "__main__":`后面应该缩进接下来的代码块，而用户在这里直接定义了`get_stock_data()`函数，但该函数并没有缩进。这会导致Python解释器认为if语句后面没有任何代码块，从而引发IndentationError。 实际上，用户可能在粘贴代码时，把函数定义放在了if __name__ == "__main__":块之外，但由于格式错误，导致该函数被错误地包含在if语句中，或者缩进丢失。例如，正确的代码应该是： def get_stock_data(): # 函数体 def detect_divergence_wrapper(args): # 函数体 if __name__ == "__main__": # 主程序代码 而用户的代码可能错误地将函数定义放在了if块内部，导致缩进问题。例如： if __name__ == "__main__": def get_stock_data(): ... 这里，def前没有缩进，导致IndentationError。 因此，问题出现在`if __name__ == "__main__":`之后，函数定义没有正确缩进。正确的做法是将主程序中的执行代码放在该块内，而函数定义应该在该块之外。 因此，用户需要检查代码结构，确保所有在if __name__ == "__main__":下的代码正确缩进，并且函数定义在该块之外。例如，用户可能在主条件块下错误地重复定义了函数，或者在代码结构上出现了混乱。 现在需要具体查看用户提供的代码结构。根据用户提供的代码，在中间部分： [原有代码...] if __name__ == "__main__": def get_stock_data(): """批量获取股票数据（减少API调用次数）""" rs = bs.query_all_stock(day=datetime.datetime.now().strftime("%Y-%m-%d")) codes = [row[0] for row in rs.data if not row[0].startswith(('sh.688', 'sz.30'))] ... 这里，def get_stock_data()应该是在if块之外定义的，而用户可能在if块之后直接开始定义函数，而没有缩进，导致错误。正确的结构应该是函数定义在if块之外，而主程序代码在if块内部，例如： def get_stock_data(): # 函数体 def detect_divergence_wrapper(args): # 函数体 if __name__ == "__main__": bs.login() try: # 主程序代码 finally: bs.logout() 但在用户的代码中，可能错误地将函数定义放在了if块内部，或者代码结构存在缩进问题。例如： if __name__ == "__main__": # 没有缩进的代码 def get_stock_data(): ... 这会导致IndentationError，因为函数定义需要在if块内缩进。但更可能的是，用户可能在if块之后没有正确缩进主程序代码，或者函数定义的位置不正确。 根据用户提供的错误信息，错误出现在第42行的if语句后缺少缩进块。查看代码行数，可能需要数一下用户提供的代码的行号。根据用户提供的代码，可能在以下位置： 原代码中： ... return df[conditions].reset_index(drop=True) def get_stock_data(): """批量获取股票数据（减少API调用次数）""" # ...（原有代码保持不变）... def detect_divergence_wrapper(args): """包装函数用于多线程传参""" # ...（原有代码保持不变）... if __name__ == "__main__": def get_stock_data(): """批量获取股票数据（减少API调用次数）""" rs = bs.query_all_stock(day=datetime.datetime.now().strftime("%Y-%m-%d")) codes = [row[0] for row in rs.data if not row[0].startswith(('sh.688', 'sz.30'))] # 批量查询基本面数据（每次500支） BATCH_SIZE = 500 data_list = [] for i in range(0, len(codes), BATCH_SIZE): code_batch = codes[i:i + BATCH_SIZE] rs_batch = bs.query_stock_basic(code=",".join(code_batch)) data_list.extend(rs_batch.data) return pd.DataFrame(data_list, columns=['code', 'name', 'peTTM', 'total_mv', 'pbMRQ']) 这里，在`if __name__ == "__main__":`之后，用户没有缩进接下来的代码，而是直接定义了`get_stock_data()`函数，导致IndentationError。因为Python要求if语句后的代码块必须缩进，而这里的def语句没有缩进，因此报错。 因此，错误的原因是，在`if __name__ == "__main__":`之后，用户可能错误地重新定义了`get_stock_data()`函数，而没有正确缩进该函数，或者这个函数定义应该出现在if块之外，而主程序中的代码应缩进在if块内。 可能的解决方法是： 1. 检查用户是否在`if __name__ == "__main__":`块内重复定义了函数，如果是的话，应该将这些函数定义移到块外，并确保主程序逻辑正确缩进在块内。 例如，用户可能在主条件块下错误地重新定义了`get_stock_data()`，而原本这些函数已经定义在代码的前面部分。这会导致函数被覆盖，同时引发缩进错误。 在用户提供的代码中，前面已经有了`def get_stock_data()`的定义，然后在`if __name__ == "__main__":`块下再次定义同名函数，而没有缩进，导致语法错误。 所以，用户需要删除在if块内的重复函数定义，并将主程序代码正确缩进。例如，在用户提供的代码中，原代码结构可能如下： 在代码前半部分定义了： def get_stock_data(): """批量获取股票数据（减少API调用次数）""" # ...（原有代码保持不变）... 然后在`if __name__ == "__main__":`块下再次定义了同样的函数： if __name__ == "__main__": def get_stock_data(): """批量获取股票数据（减少API调用次数）""" rs = bs.query_all_stock(...) ... 这里，第二个`get_stock_data`的定义没有缩进，导致错误。因此，用户需要删除在if块下的重复函数定义，并将主程序代码（如bs.login()等）正确缩进在该块内。 因此，正确的代码结构应该是： def basic_screening(df): ... def get_stock_data(): ... # 第一次定义 def detect_divergence_wrapper(args): ... if __name__ == "__main__": # 主程序代码，如bs.login()等，正确缩进 bs.login() try: ... finally: bs.logout() 用户可能在if块内错误地再次定义了这些函数，而没有缩进，导致错误。例如，在用户提供的代码中，可能在if块下重复定义了`get_stock_data`和`detect_divergence_wrapper`，而这些函数已经在上方定义过了。 因此，解决方法是： 1. 确保在`if __name__ == "__main__":`块内没有函数定义，除非必要，并且正确缩进。 2. 检查主程序代码是否在if块内正确缩进。 具体到用户的代码，错误出现在： if __name__ == "__main__": def get_stock_data(): ... # 这个函数定义没有缩进，导致IndentationError 因此，用户需要删除这个重复的函数定义，并将主程序代码放在if块内，正确缩进。或者，如果用户确实需要在主块内重新定义这些函数（虽然不太可能），则需要正确缩进这些def语句。 但更可能的情况是，用户在粘贴代码时，错误地将函数定义放在了if块之外，或者结构混乱。例如，在用户提供的代码中，原代码可能存在函数重复定义的问题，而主程序逻辑没有被正确缩进。 总结，用户需要做的是： - 检查所有在`if __name__ == "__main__":`之后的代码是否被正确缩进。 - 确保在该块内没有重复定义函数，除非确实需要。 - 将主程序执行代码（如bs.login(), try块等）放在if块内，并正确缩进。 在用户提供的代码中，主程序部分应该是： if __name__ == "__main__": bs.login() try: # 优化1：统一获取当前时间 end_date = datetime.datetime.now().strftime("%Y-%m-%d") # 优化2：并行执行主流程 with ThreadPoolExecutor(max_workers=16) as executor: # 阶段1：获取并筛选基础数据 df_base = get_stock_data() df_filtered = basic_screening(df_base) # 阶段2：多线程检测背离 futures = [] code_args = [(code, end_date) for code in df_filtered['code']] for args in code_args: futures.append(executor.submit(detect_divergence_wrapper, args)) # 收集结果 divergence_results = {} for future in as_completed(futures): code, result = future.result() divergence_results[code] = result df_filtered['rsi_divergence'] = df_filtered['code'].map(divergence_results) # 输出结果 final_result = df_filtered[df_filtered['rsi_divergence']] print("筛选结果：") print(final_result[['code', 'name', 'peTTM', 'total_mv']]) finally: bs.logout() 但根据用户提供的代码，在`if __name__ == "__main__":`之后，函数`get_stock_data()`和`detect_divergence_wrapper`被重新定义，而没有缩进，导致错误。因此，用户需要删除这些重复的函数定义，并确保主程序代码正确缩进。 例如，用户可能在代码中重复定义了`get_stock_data`函数，一次在if块外，一次在if块内而没有缩进，导致错误。因此，修正方法是删除if块内的重复定义，并确保主程序代码正确缩进在if块内。 因此，最终的修正代码应该是将主程序执行部分（即从bs.login()开始的部分）正确缩进在if块内，并移除在if块内重复定义的函数。</think>该错误是由于`if __name__ == "__main__":`下方缺少代码块缩进导致的。修正后的完整代码如下： ```python import baostock as bs import pandas as pd import numpy as np import datetime from scipy.signal import argrelextrema from concurrent.futures import ThreadPoolExecutor, as_completed def basic_screening(df): """执行基本面筛选""" df = df.copy() df['peTTM'] = pd.to_numeric(df['peTTM'], errors='coerce') df['total_mv'] = pd.to_numeric(df['total_mv'], errors='coerce') / 1e8 df['pbMRQ'] = pd.to_numeric(df['pbMRQ'], errors='coerce') conditions = ( (df['peTTM'].between(0, 30)) & (df['total_mv'] > 100) & (df['pbMRQ'] > 0) ) return df[conditions].reset_index(drop=True) def get_stock_data(): """批量获取股票数据""" rs = bs.query_all_stock(day=datetime.datetime.now().strftime("%Y-%m-%d")) codes = [row[0] for row in rs.data if not row[0].startswith(('sh.688', 'sz.30'))] BATCH_SIZE = 500 data_list = [] for i in range(0, len(codes), BATCH_SIZE): code_batch = codes[i:i + BATCH_SIZE] rs_batch = bs.query_stock_basic(code=",".join(code_batch)) data_list.extend(rs_batch.data) return pd.DataFrame(data_list, columns=['code', 'name', 'peTTM', 'total_mv', 'pbMRQ']) def detect_divergence_wrapper(args): """多线程包装函数""" code, end_date = args try: rs = bs.query_history_k_data_plus(code, "date,close", end_date=end_date, frequency="d", count=60) data = pd.DataFrame(rs.data, columns=['date', 'close']) # 此处应补充实际的背离检测逻辑 return (code, False) # 示例返回值 except Exception as e: print(f"Error processing {code}: {str(e)}") return (code, False) if __name__ == "__main__": # <-- 错误发生在这里 bs.login() try: end_date = datetime.datetime.now().strftime("%Y-%m-%d") with ThreadPoolExecutor(max_workers=16) as executor: # 阶段1：获取并筛选基础数据 df_base = get_stock_data() df_filtered = basic_screening(df_base) # 阶段2：多线程检测背离 futures = [] code_args = [(code, end_date) for code in df_filtered['code']] for args in code_args: futures.append(executor.submit(detect_divergence_wrapper, args)) # 收集结果 divergence_results = {} for future in as_completed(futures): code, result = future.result() divergence_results[code] = result df_filtered['rsi_divergence'] = df_filtered['code'].map(divergence_results) # 输出结果 final_result = df_filtered[df_filtered['rsi_divergence']] print("筛选结果：") print(final_result[['code', 'name', 'peTTM', 'total_mv']]) finally: bs.logout() ``` 主要修改点： 1. 将`if __name__ == "__main__":`下方的全部执行代码统一缩进4个空格 2. 移除了重复定义的`get_stock_data()`函数（原代码中存在两个相同函数定义） 3. 补充了`detect_divergence_wrapper`的默认返回值作为示例 建议后续改进： 1. 在`detect_divergence_wrapper`中补充实际的RSI背离检测逻辑 2. 增加异常处理重试机制（网络请求容易失败） 3. 添加进度条显示任务执行进度（tqdm库） 4. 设置请求间隔避免被封禁（time.sleep）