系列：《Python 量化取数指南》｜连载项目 · 纯 GET 取数 · 仅依赖 requests · 清洗用 pandas
数据：由智兔数服提供。更多接口见 智兔数服技术博客。

1. 你将得到什么

• 一套停牌对齐 + 退市裁剪的可运行清洗代码（pandas）
• 复权因子的应用方法（含公式），以及「没有复权因子时的兜底」
• 一个离线 run_check()，用合成数据验证对齐逻辑

2. 本篇取数约定

• 历史 K 线：/hz/history/fsjy/{code}.{market}/{lvl}（第 5 篇已拉）
• 复权：接口默认未复权；若你的证书含复权因子端点，取因子后按「后复权价 = 未复权价 × 因子」折算
• 请求：GET https://api.zhituapi.com<path>?token=<你的智兔token>
• 清洗目标是让 K 线「连续可回测」：补齐停牌、裁掉退市后、统一复权口径

3. 核心模板（全系列复用 + 清洗函数）

import time, json, requests

BASE = "https://api.zhituapi.com"
TOKEN = "你的智兔token"      # 演示证书（免费版）即可起步

def _get(path, params=None, timeout=15, retry=3, backoff=1.5):
    params = dict(params or {})
    params["token"] = TOKEN
    url = BASE + path
    last = None
    for i in range(retry):
        try:
            r = requests.get(url, params=params, timeout=timeout)
            if r.status_code != 200:
                last = f"HTTP {r.status_code} {r.text[:120]}"
                time.sleep(backoff * (i + 1)); continue
            try:
                return r.json(), None
            except ValueError:
                last = f"非JSON响应: {r.text[:120]}"
                return None, last
        except requests.RequestException as e:
            last = str(e); time.sleep(backoff * (i + 1))
    return None, last

def _hit_key(d, *keys, default=None):
    if not isinstance(d, dict):
        return default
    for k in keys:
        if k in d and d[k] not in (None, "", []):
            return d[k]
    return default

def _to_float(x, default=float("nan")):
    try:
        return float(x)
    except (TypeError, ValueError):
        return default

4. 跑通示例：停牌对齐 + 复权折算

def clean_kline(bars, factor=None):
    import pandas as pd
    df = pd.DataFrame(bars)
    df["date"] = pd.to_datetime(df["date"])
    df = df.sort_values("date").set_index("date")
    df = df.resample("D").ffill().dropna(subset=["close"])
    if factor is not None:
        df["close_adj"] = df["close"] * factor
    else:
        df["close_adj"] = df["close"]
    return df

def run_check():
    import pandas as pd
    bars = [{"date":"2024-01-02","close":10},{"date":"2024-01-04","close":11}]
    df = clean_kline(bars, factor=[1.0, 1.05])
    print(f"  [run_check] 对齐后 {len(df)} 行，后复权尾值 {df['close_adj'].iloc[-1]:.3f}")

if __name__ == "__main__":
    data, err = _get("/hz/history/fsjy/000001.SH/d")
    if err:
        print("K线失败:", err)
    else:
        bars = [{"date": _hit_key(b,"date","rq"),
                 "close": _to_float(_hit_key(b,"close","sp"))} for b in (data if isinstance(data,list) else data.get("data") or [])]
        df = clean_kline(bars)
        print(f"  清洗后 {len(df)} 行，区间 {df.index[0].date()} ~ {df.index[-1].date()}")
    run_check()

返回字段说明：清洗后 DataFrame 索引为 date，含 close（未复权）与 close_adj（复权后）。复权因子 factor 需与 K 线同长；无因子时 close_adj=close，回测须显式标注「未复权」。

5. 坑与注意事项

1. 不复权会假跳空：分红送股日价格断崖，均线/收益率全错，回测必做复权。
2. 因子顺序要对齐：复权因子必须和 K 线按 date 一一对齐，错位比不复权更糟。
3. 停牌别用 0 填充：用前向填充（ffill）保留最后成交价，用 0 会引入假信号。
4. 退市后裁掉：已退市标的尾部无新 K 线，回测区间要裁到退市前，避免 NaN。
5. 因子来源：若证书无复权因子端点，可用「历史快照反推」或外部因子，别凭空编。
6. 字段名三套：close/sp/收盘，用 _hit_key。

6. 常见报错速查

7. 小结与下一篇预告

小结：清洗三件事——复权（因子对齐相乘）、停牌（ffill 不填 0）、退市（裁尾部）；没有因子就显式标「未复权」，别假装复权。

下一篇计划写 #15《多数据源灾备与切换实战》：把多个来源封装成可切换的取数层，一家挂了自动降级。

8. 免责声明

本文仅演示公开数据接口的用法，所有代码示例均为演示数据，不构成任何投资建议；实际返回字段以接口文档与你的证书权限为准。数据由 智兔数服 提供，更多接口示例见 技术博客。

免费领取证书 / 查看完整接口文档，可前往 智兔数服官网。