调用方法：

get_money_flow_step(symbol_list, start_date, end_date, fre_step, fields, count=None, is_panel)

释义：

get_money_flow_step函数的主要功能是获取股票的历史资金数据(日线级/半小时级线/分钟级线)。数据字段一共有17个，分为主动或被动、买入或卖出、大单小单或者中单资金，其次还包括了大单净量、资金净流入率数据。

参数:

注意事项:

1.该函数有start_date参数,因此bar_count参数与start_date参数只能两者选其一.如果选其一,另一者参数应输入None，不然无法获取相应数据.
2.该函数在历史回测环境中,end_date参数必须设置为回测的前一日，不然整个策略带有未来函数.
3.该函数的symbol_list参数,不能输入字符串,必须是列表格式,例如：['000001.SZ']是对的，'000001.SZ'是错的.
4.大单、中单、小单的标准如下：
    A.上证A股、深证主板大单标准：

           类型       股数                      金额                 占流通盘比
           小单       1万股以下         或     5万元以下
           中单       1万股到6万股       或     5万元—30万元
           大单       6万股到20万股      或     30万元—100万元          或    0.1%
           特大单      20万股以上        或     100万元以上
    B.中小板、创业板大单标准：

            类型       金额
            小单       5万元以下
            中单       5万元—20万元(包括5万，不包括20万)
            大单       20万元—50万元(包括20万，不包括50万)
            特大单      50万元以上
5.bar_count参数与start_date参数两个参数，如果选bar_count参数,start_date参数应输入None。如果选start_date参数,bar_count参数允许不输入。

返回格式:

1. is_panel = 0: 返回dict对象，其key是symbol即证券代码、值是pandas.Dataframe，行索引是datetime.datetime对象，列索引是字段名称。
2. is_panel = 1: 返回pandas.Panel对象，key为fileds字段(open/high/low/…)。pandas.Panel为pandas.DataFrame的三维结构，选定字段后输出的便是pandas.DataFrame对象。

示例：

【示例1】

def init(context): 
    pass 
def handle_bar(context,bar_dict):
    # 选取000001.SZ在2017年1月1日至2017年2月3日主动买入大单的日数据，字典形式输出
    df = get_money_flow_step(security_list='000001.SZ',
        start_date='20170101',
        end_date='20170203',
        fre_step='1d',
        fields=['act_buy_xl'],
        count=None,
        is_panel=0)
    # 打印数据
    log.info(df)

【示例2】

def init(context): 
    pass 
def handle_bar(context,bar_dict):
    # 选取000001.SZ在2017年2月3日前19天主动买入大单的日数据，字典形式输出
    df = get_money_flow_step(security_list='000001.SZ',
        start_date=None,
        end_date='20170203',
        fre_step='1d',
        fields=['act_buy_xl'],
        count=19,
        is_panel=0)
    # 打印数据
    log.info(df)
`

【示例3】

def init(context): 
    pass 
def handle_bar(context,bar_dict):
    # 选取000001.SZ在2018年5月2日9时35分至2018年5月3日10时30分主动买入大单的5分钟数据，字典形式输出
    df = get_money_flow_step(security_list='000001.SZ',
        start_date='2026-03-18T23:14:00+00:00',
        end_date='2026-03-18T23:14:00+00:00',
        fre_step='5m',
        fields=['act_buy_xl'],
        count=None,
        is_panel=0)
    # 打印数据
    log.info(df)

示例返回结果：

【示例1】
{'000001.SZ': act_buy_xl
2017-01-03   67622563.0
2017-01-04   54301614.0
2017-01-05   21242812.0
..........   ..........
2017-01-25   41299990.0
2017-01-26   81462921.0
2017-02-03   16841371.0}

【示例2】
{'000001.SZ':   act_buy_xl
2017-01-03   67622563.0
2017-01-04   54301614.0
2017-01-05   21242812.0
2017-01-06   17759098.0
..........   .........
2017-01-25   41299990.0
2017-01-26   81462921.0
2017-02-03   16841371.0}

【示例3】
{'000001.SZ':                     
trade_date        act_buy_xl             
2026-03-18T23:14:00+00:00  2.036655e+07
2026-03-18T23:14:00+00:00  7.195865e+06
2026-03-18T23:14:00+00:00  2.545824e+07
.......... ........  .............
2026-03-18T23:14:00+00:00  1.493539e+06
2026-03-18T23:14:00+00:00  4.561986e+06
2026-03-18T23:14:00+00:00  2.132562e+06
2026-03-18T23:14:00+00:00  8.963091e+06
2026-03-18T23:14:00+00:00  4.291677e+06}