掘金API中的接口最长的周期是‘1d’的，因此周线/月线/年线等数据需要自己进行合成。
基本思路
用日线合成长周期的k线只需要确定好合成的周期以及需要的数据即可。
周期: 一般行情软件上提供年k、月k、周k，我也选择年、月、周再加一个季度频率。
数据: 开盘、收盘、最高、最低、成交额、成交量。
确定好周期和需要的数据以后，就可以开始写函数了。以周线为例，要想合成周线，主要有以下几步：
（1）将日线按照日期以周为频率进行分组
（2）计算开盘、收盘、最高、最低、成交额和成交量。
| 标的 | 公式 |
|---|---|
| 开盘价 | 该周第一天的开盘价 |
| 收盘价 | 该周最后一天的收盘价 |
| 最高价 | 该周所有最高价的最大值 |
| 最低价 | 该周所有最低价的最小值 |
| 成交额 | 该周全部成交额的总和 |
| 成交量 | 该周全部成交量的总和 |
确定好基本思路，就可以开始编写函数了。
该函数共需要4个参数，分别为：股票代码、开始日期、结束日期、合成频率。这里面有个需要注意的点：输入的开始时间不一定是合成周期的第一天。（比如合成周线，开始日期输入的是周三，如果直接按照周合成，那么第一个合成的周线就是残缺的，这就需要进行调整，把起始日期前推到该周期的第一天）
按时间分组用到pandas库里面的resample函数，该函数可以按照指定频率对数据进行分组计算，用法如下：
DataFrame. resample(rule, how=None, axis=0, fill_method=None,closed=None,label=None,convention='start, kind=None, loffset=None, limit=None, base=0)
其中freq参数设置可参照下表：
其中我们还使用timedelta对象，可以计算未来和过去的时间。
datetime.timedelta函数用法
最终函数如下：
# coding=utf-8
from __future__ import print_function, absolute_import, unicode_literals
from gm.api import *
import datetime
import pandas as pd
def compose_bar(symbol,start_time,end_time,frequency):'''symbol:标的，start_time:开始时间，end_time:结束时间，frequency:频率'''# 合成周线if frequency == 'W':# 判断开始日期是否为周一start_time = datetime.datetime.strptime(start_time, '%Y-%m-%d')week_start = start_time.weekday() + 1#默认周一 = 0，周二 = 1，所以对得出的week进行调整，加一,使得周一等于1，便于后面正确的print日期# 如果不是周一，则将开始时间调整到该周周一if week_start != 1:print('输入的开始日期为周{}，调整到该周周一'.format(week_start))start_time = start_time - datetime.timedelta(days = week_start - 1)# 合成月线if frequency == 'M':# 判断开始日期是否为月初day_start_1th = int(start_time[8:10])# 如果不是1号，则转为当月1号if day_start_1th != 1 :start_time = datetime.datetime.strptime(start_time, '%Y-%m-%d')start_time = start_time - datetime.timedelta(days = day_start_1th - 1)print('开始日期为该月{}号，调整到当月1号',format(day_start_1th))# 合成季线if frequency == 'Q':# 直接开始日期设置为季度初month = int(start_time[5:7]) # 看开始时间月份year = int(start_time[0:4]) # 看开始时间年份if month in range(1,3):start_time = datetime.date(year,1,1)if month in range(4,6):start_time = datetime.date(year,4,1)if month in range(7,9):start_time = datetime.date(year,7,1)if month in range(10,12):start_time = datetime.date(year,9,1)# 合成年线if frequency == 'A':# 将开始时间调整为年初year_start = int(start_time[0:4]) # 看开始时间年份start_time = datetime.date(year_start,1,1)# 订阅历史数据（注意要复权到当前日期才能和东方财富的数据对得上）data = history(symbol = symbol,frequency = '1d',start_time = start_time,end_time = end_time,fields = 'eob,open,close,high,low,amount,volume',df = True,skip_suspended = True,fill_missing = None, adjust=ADJUST_PREV,adjust_end_time = datetime.datetime.today())# 修改日期格式并变成索引data.eob = data.eob.apply(lambda x :datetime.datetime.strptime(str(x).split(' ')[0],'%Y-%m-%d'))data.set_index(data['eob'],inplace = True)data.drop(columns = ['eob'],inplace = True)data_index = data.resample(frequency,label = 'right').last().index# 结果返回成dataframe格式data_k = pd.DataFrame({'open':data.resample(frequency,label = 'right').first()['open'],'close': data.resample(frequency,label = 'right').last()['close'],'high': data.resample(frequency,label = 'right').max()['high'],'low': data.resample(frequency,label = 'right').min()['low'],'amount': data.resample(frequency,label = 'right').sum()['amount'],'volume': data.resample(frequency,label = 'right').sum()['volume'],'frequency':frequency})data_k.set_index(data_index,inplace = True)# 如果某周放假没有数据，则删除data_k.dropna(inplace = True)return data_k"""
参考history_n()函数建立一个周/月/季度/年 K线的数据获取函数
"""
def history_n_compose(symbol, count, end_time, frequency="W", fields = 'open,close,high,low,amount,volume', fill_missing="last", adjust=ADJUST_PREV, df=True):end_time = datetime.datetime.strptime(end_time, '%Y-%m-%d')end_time = end_time.strftime('%Y-%m-%d')coef = 1 #比例系数if frequency == "W":coef = 5if frequency == "M":coef = 23if frequency == "Q":coef = 90if frequency == "A":coef = 365start_time = get_previous_n_trading_dates(exchange='SHSE', date=end_time, n=count*coef)[0]data = compose_bar(symbol, start_time, end_time, frequency)fields = str(fields).split(',')data = data[fields] # 新建一个dataframe表格用于存储需要用到的数据return data# 测试一下
set_token("自己的token码")
data = history_n_compose('SHSE.510290',100,end_time='2024-09-20',frequency="M")
print(data)
# weekly_k = compose_bar('SHSE.510290','2023-03-05','2024-09-20','W')
# print(weekly_k)
# monthly_k = compose_bar('SHSE.510290','2023-03-05','2024-09-20','M')
# print(monthly_k)
# quarterly_k = compose_bar('SHSE.510290','2023-03-05','2024-09-20','Q')
# print(quarterly_k)
# yearly_k = compose_bar('SHSE.510290','2023-03-05','2024-09-20','A')
# print(yearly_k)
运行结果如下：
与东方财富给出的周线数据一致。
