数据获取与接口选择

使用akshare库的stock_zt_pool_em接口获取指定日期的涨停股票数据
验证数据是否存在，若为空则终止程序

数据预处理

检查并转换连板数列为数值类型
处理异常日期格式（清除1900-01-01等无效数据）
清理时间字段中的多余空格

排序逻辑实现

按连板数降序排列
连板数相同时按首次封板时间升序排列

结果输出与展示

重置索引并隐藏默认索引
筛选关键字段（代码、名称、连板数等）
格式化输出表格

完整代码示例：

import akshare as ak
import pandas as pd

# 1. 获取数据（你指定的接口和日期）
stock_zt_pool_em_df = ak.stock_zt_pool_em(date='20260430')

# 防护：如果数据为空直接退出
if stock_zt_pool_em_df.empty:
    print("无涨停数据")
else:
    # 2. 确保列名存在，转换连板数为数字（排序必须）
    if '连板数' in stock_zt_pool_em_df.columns:
        stock_zt_pool_em_df['连板数'] = pd.to_numeric(stock_zt_pool_em_df['连板数'], errors='coerce')

    # 3. 排序：连板数降序 → 首次封板时间升序
    df_sorted = stock_zt_pool_em_df.sort_values(
        by=['连板数', '首次封板时间'],
        ascending=[False, True],
        na_position='last'
    ).reset_index(drop=True)

    # ===================== 暴力清除 1900-01-01 =====================
    # 直接替换掉所有包含1900-01-01的字符，只留时间
    df_sorted['首次封板时间'] = df_sorted['首次封板时间'].astype(str).str.replace('1900-01-01 ', '', regex=False)
    # 额外清理可能的空格
    df_sorted['首次封板时间'] = df_sorted['首次封板时间'].str.strip()

    # 4. 输出结果（完美无日期，无报错）
    print("=" * 80)
    print("排序后：按连板数降序 | 连板数相同按首次封板时间升序")
    print("=" * 80)
    print(df_sorted[['代码', '名称', '连板数', '首次封板时间', '所属行业']].to_string(index=False))

结果如下：