这篇文章主要介绍在VNPY中策略中如何使用分钟线合成日K线，文中介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们一定要看完！

创新互联公司-专业网站定制、快速模板网站建设、高性价比丽江网站开发、企业建站全套包干低至880元,成熟完善的模板库,直接使用。一站式丽江网站制作公司更省心,省钱,快速模板网站建设找我们，业务覆盖丽江地区。费用合理售后完善，十年实体公司更值得信赖。

在论坛里面看到不少关于分钟合成日线的讨论，也试着实现了。这里是针对vnpy2.0的，1.92其实基本也差不多。

1. 这里把合成的日线HLOC信息放在pandas.DataFrame里面，因为日线分析的话，对运算时间要求不是特别高，DataFrame足矣

2. 合成过程放在on_bar方法里面，对每个传入的分钟进行日线合并处理；

3. 这里用了trading == False进行判断，就是只在策略初始化过程对于历史数据进行日线合并。在交易过程中，不对当天传入分钟数据进行处理。因为日线是长周期数据，放在程序启动时候调用使用就可以，不必要盘中分析，如果打算真要，注释掉这个就可以。

4. 这里只是提供了这个DataFrame 放置日线数据，具体如何分析还是要看使用者了

定于dayFrame存储日线数据，在策略定义中插入全局变量

class *********Strategy(CtaTemplate):
    author = "用Python的交易员"
    import pandas as pd
    dayFrame = pd.DataFrame(columns=['datetime', 'high', 'low', 'open', 'close'])

合并过程，在on_bar 方法中插入下面代码

def on_bar(self, bar: BarData):
    """
   
    """
if self.trading == False:
    # adjustedBarTime = bar.datetime + timedelta(hours = 5)
    if self.dayFrame.empty:
        # 如果dayFrame 为空，先加入一条
        self.dayFrame = self.dayFrame.append({'datetime': bar.datetime.date(), 'high':bar.high_price, 'low': bar.low_price, 'open': bar.open_price, 'close': bar.close_price},
                                   ignore_index=True)
    else:
        self.dayFrame = self.dayFrame.sort_values(['datetime']).reset_index(drop=True)
        # 如果dayFrame 不为空，先按照日期排序，
        if bar.datetime.date() in self.dayFrame['datetime'].values:
            # 如果是已有日期，对比high，low更新，并使用新close
            self.dayFrame.loc[self.dayFrame['datetime'] == bar.datetime.date(), 'high'] = \
                max(max(self.dayFrame.loc[self.dayFrame['datetime'] == bar.datetime.date(), 'high'].values),bar.high_price)
            self.dayFrame.loc[self.dayFrame['datetime'] == bar.datetime.date(), 'low'] = \
                min(min(self.dayFrame.loc[self.dayFrame['datetime'] == bar.datetime.date(), 'low'].values),bar.low_price)
            self.dayFrame.loc[self.dayFrame['datetime'] == bar.datetime.date(), 'close'] = bar.close_price
        else:
            # 如果是新的日期，新建一条
            self.dayFrame = self.dayFrame.append(
                {'datetime': bar.datetime.date(), 'high': bar.high_price, 'low': bar.low_price,
                 'open': bar.open_price, 'close': bar.close_price},
                ignore_index=True)

另外，这里默认就是自然日。如果想按照国内期货期货时间，就是晚上九点开盘时间就是第二天的话。有个取巧的方法，就是把bar时间加上5个小时，那么下午9点就变成明天1点，这样dataframe就会存储为下一天数据。而当天15点加上5点20点还是当天数据。

不过这样改很粗糙，只能支持国内时间和国内期货，如果服务器再其他时区，或者其他产品就另外分析。

修改方法，定义局部变量adjustedBarTime，是传入bar.datetime 时间加5；代替后面新增代码中所有用到bar.datetime地方。

周五时候想到一个问题，对于国内期货，周五晚上数据属于周一的，想想还真是头大，这里还要加上一天判断是否第二天是周六，如果是就要改到加两天，幸好一般节假日之前的交易日晚上无夜盘，不然更麻烦。

from datetime import datetime, timedelta
if self.trading == False:
    adjustedBarTime = bar.datetime + timedelta(hours = 5)
    if adjustedBarTime.weekday() is 5:
        adjustedBarTime = adjustedBarTime + timedelta(days= 2)

会插入如下数据，按照初始化使用天数，就会有多少条，

以上是“在VNPY中策略中如何使用分钟线合成日K线”这篇文章的所有内容，感谢各位的阅读！希望分享的内容对大家有帮助，更多相关知识，欢迎关注创新互联-成都网站建设公司行业资讯频道！

分享名称：在VNPY中策略中如何使用分钟线合成日K线-创新互联
网址分享：http://chengdu.cdxwcx.cn/article/pioii.html