合并成周线、月线、季度线、年线这几个长周期k线的函数---使用掘金量化平台

由于在掘金量化平台上没有直接提供长期的k线数据，需要自己去提取合并，造成很大的麻烦。

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（默认周一 = 0，周二 = 1，所以对得出的week进行调整，加一）
        start_time = datetime.datetime.strptime(start_time,'%Y-%m-%d')
        week_start = start_time.weekday() + 1
        # 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新浪财经的数据对得上）
    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 

# 测试一下
weekly_k = compose_bar('SZSE.002261','2020-12-31','2023-11-22','W')
monthly_k = compose_bar('SZSE.002261','2020-12-31','2023-11-22','M')
quarterly_k = compose_bar('SZSE.002261','2020-12-31','2023-11-22','Q')
yearly_k = compose_bar('SZSE.002261','2020-12-31','2023-11-22','A')

测试的股票并未有任何投资建议，作案例提供参考

我是普通计算机本科生，量化小白，往量化行业，简历已投了很多都是已读不回，有点迷茫，不知道还要不要再继续往这个量化行业发展，我目前对这个工作还很懵，不知道怎样下手，想通过实习增加自己的水平，但又没有找到实习，太难了~

欢迎大家可以对我进行意见提供，不论是工作、学习！