Python 算法交易秘籍（一）（1）https://developer.aliyun.com/article/1523065
工作原理…
在步骤 1中，您从datetime模块导入date、datetime和timedelta类。在步骤 2中，您使用类date提供的today() classmethod获取今天的日期，并将其赋值给一个新属性date_today。（classmethod允许您直接在类上调用方法而不创建实例。）返回的对象类型为datetime.date。在步骤 3中，您通过将持续时间为 5 天的timedelta对象添加到date_today来创建一个比今天晚 5 天的日期。您将此赋值给一个新属性date_5days_later。同样，在步骤 4中，您创建一个 5 天前的日期并将其赋值给一个新属性date_5days_ago。
在步骤 5 和 步骤 6 中，你使用 > 和 < 操作符分别比较 date_5days_later 和 date_5days_ago。如果第一个操作数保存的日期在第二个操作数之后，则 > 操作符返回 True。类似地，如果第二个操作数保存的日期在第一个操作数之后，则 < 操作符返回 True。在 步骤 7 中，你比较到目前为止创建的所有三个日期对象。注意输出。
步骤 8 到 步骤 14 执行与 步骤 2 到 步骤 7 相同的操作，但这次是在datetime.time对象上——获取当前时间、获取当前时间之后的 5 分钟、获取当前时间之前的 5 分钟，并比较所有创建的datetime.time对象。无法直接将timedelta对象添加到datetime.time对象中以获取过去或未来的时间。为了克服这一点，你可以将timedelta对象添加到datetime对象中，然后使用time()方法从中提取时间。你在 步骤 10 和 步骤 11 中执行此操作。
还有更多
本示例展示了对date和time对象的操作，这些操作可以类似地在datetime对象上执行。除了+、-、<和>之外，你还可以在datetime、date和time对象上使用以下操作符：
>= |
仅在第一个操作数保持的datetime/date/time晚于或等于第二个操作数时返回True |
<= |
仅在第一个操作数保持的datetime/date/time早于或等于第二个操作数时返回True |
== |
仅在第一个操作数保持的datetime/date/time等于第二个操作数时返回True |
这不是允许的操作符的详尽列表。有关更多信息，请参阅datetime模块的官方文档：docs.python.org/3.8/library/datetime.html。
修改 datetime 对象
通常，你可能希望修改现有的datetime对象以表示不同的日期和时间。本示例包括演示此操作的代码。
如何做…
按照以下步骤执行此示例：
- 从 Python 标准库中导入必要的模块：
>>> from datetime import datetime
- 获取当前时间戳。将其分配给
dt1并打印：
>>> dt1 = datetime.now() >>> print(dt1)
我们得到以下输出。你的输出会有所不同：
2020-08-12 20:55:46.753899
- 通过替换
dt1的year、month和day属性来创建一个新的datetime对象。将其分配给dt2并打印：
>>> dt2 = dt1.replace(year=2021, month=1, day=1) >>> print(f'A timestamp from 1st January 2021: {dt2}')
我们得到以下输出。你的输出会有所不同：
A timestamp from 1st January 2021: 2021-01-01 20:55:46.753899
- 通过直接指定所有属性来创建一个新的
datetime对象。将其分配给dt3并打印它：
>>> dt3 = datetime(year=2021, month=1, day=1, hour=dt1.hour, minute=dt1.minute, second=dt1.second, microsecond=dt1.microsecond, tzinfo=dt1.tzinfo) print(f'A timestamp from 1st January 2021: {dt3}')
我们得到以下输出。你的输出会有所不同：
A timestamp from 1st January 2021: 2021-01-01 20:55:46.753899
- 比较
dt2和dt3：
>>> dt2 == dt3
我们得到以下输出。
True
工作原理…
在步骤 1中，您从datetime模块中导入datetime类。在步骤 2中，您使用datetime的now()方法获取当前时间戳并将其赋值给新属性dt1。要从现有的datetime对象获取修改后的时间戳，可以使用replace()方法。在步骤 3中，您通过调用replace()方法从dt1创建一个新的datetime对象dt2。您指定要修改的属性，即year、month和day。其余属性保持不变，即hour、minute、second、microsecond和timezone。您可以通过比较步骤 2和步骤 3的输出来确认这一点。在步骤 4中，您创建另一个datetime对象dt3。这次，您直接调用datetime构造函数。您将所有属性传递给构造函数，使创建的时间戳与dt2相同。在步骤 5中，您使用==运算符确认dt2和dt3持有完全相同的时间戳，该运算符返回True。
将datetime对象转换为字符串
本配方演示了将datetime对象转换为字符串的过程，该过程在打印和日志记录中应用。此外，在通过 web API 发送时间戳时也很有帮助。
如何做…
执行此配方的以下步骤：
- 从 Python 标准库中导入必要的模块：
>>> from datetime import datetime
- 获取带有时区信息的当前时间戳。将其分配给
now并打印出来：
>>> now = datetime.now().astimezone()
- 将
now强制转换为字符串并打印出来：
>>> print(str(now))
我们得到以下输出。您的输出可能会有所不同：
2020-08-12 20:55:48.366130+05:30
- 使用
strftime()将now转换为具有特定日期时间格式的字符串并打印出来：
>>> print(now.strftime("%d-%m-%Y %H:%M:%S %Z"))
我们得到以下输出。您的输出可能会有所不同：
12-08-2020 20:55:48 +0530
如何运作…
在步骤 1中，您从datetime模块中导入datetime类。在步骤 2中，您使用带有时区的当前时间戳并将其赋值给新属性now。datetime的now()方法获取当前时间戳，但没有时区信息。这样的对象称为时区本地的datetime对象。astimezone()方法从此时区无关对象上添加系统本地时区的时区信息，从而将其转换为时区感知对象。（有关更多信息，请参阅datetime 对象和时区配方）。在步骤 3中，您将now转换为字符串对象并将其打印出来。请注意，输出的日期格式是固定的，可能不是您的选择。datetime模块有一个strftime()方法，它可以按需要将对象转换为特定格式的字符串。在步骤 4中，您将now转换为格式为DD-MM-YYYY HH:MM:SS +Z的字符串。步骤 4中使用的指令描述如下：
| 指令 | 意义 |
%d |
以零填充的十进制数表示的月份中的一天 |
%m |
以零填充的十进制月份 |
%Y |
十进制数世纪年份 |
%H |
小时（24 小时制）以零填充的十进制数 |
%M |
分钟，以零填充的十进制数 |
%S |
秒，以零填充的十进制数 |
%Z |
时区名称（如果对象是无时区的，则为空字符串） |
可以在docs.python.org/3.7/library/datetime.html#strftime-and-strptime-behavior找到可以提供给.strptime()的指令的完整列表。
从字符串创建 datetime 对象
此配方演示了将格式良好的字符串转换为datetime对象。这在从文件中读取时间戳时很有用。此外，在通过 Web API 接收时间戳作为 JSON 数据时也很有帮助。
如何做…
执行此配方的以下步骤：
- 从 Python 标准库中导入必要的模块：
>>> from datetime import datetime
- 创建一个包含日期、时间和时区的时间戳的字符串表示形式。将其赋值给
now_str：
>>> now_str = '13-1-2021 15:53:39 +05:30'
- 将
now_str转换为now，一个datetime.datetime对象。打印出来：
>>> now = datetime.strptime(now_str, "%d-%m-%Y %H:%M:%S %z") >>> print(now)
我们得到以下输出：
2021-01-13 15:53:39+05:30
- 确认 now 是
datetime类型：
>>> print(type(now))
我们得到以下输出：
<class 'datetime.datetime'>
如何工作…
在步骤 1中，你从datetime模块中导入datetime类。在步骤 2中，你创建一个包含有效时间戳的字符串，并将其赋值给一个新属性now_str。datetime模块有一个strptime()方法，可以将一个特定格式的字符串转换为datetime对象。在步骤 3中，你将now_str，一个格式为DD-MM-YYYY HH:MM:SS +Z的字符串，转换为now。在步骤 4中，你确认now确实是datetime类型的对象。在步骤 3中使用的指令与将 datetime 对象转换为字符串配方中描述的相同。
还有更多
当将字符串读入datetime对象时，应使用适当的指令消耗整个字符串。部分消耗字符串将引发异常，如下面的代码片段所示。错误消息显示了未转换的数据，并可用于修复提供给strptime()方法的指令。
尝试使用strptime()方法将now_str转换为datetime对象。只传递包含字符串日期部分指令的字符串。注意错误：
>>> now = datetime.strptime(now_str, "%d-%m-%Y")
输出如下：
# Note: It's expected to have an error below --------------------------------------------------------------------------- ValueError Traceback (most recent call last) <ipython-input-96-dc92a0358ed8> in <module> ----> 1 now = datetime.strptime(now_str, "%d-%m-%Y") 2 # Note: It's expected to get an error below /usr/lib/python3.8/_strptime.py in _strptime_datetime(cls, data_string, format) 566 """Return a class cls instance based on the input string and the 567 format string.""" --> 568 tt, fraction, gmtoff_fraction = _strptime(data_string, format) 569 tzname, gmtoff = tt[-2:] 570 args = tt[:6] + (fraction,) /usr/lib/python3.8/_strptime.py in _strptime(data_string, format) 350 (data_string, format)) 351 if len(data_string) != found.end(): --> 352 raise ValueError("unconverted data remains: %s" % 353 data_string[found.end():]) 354 ValueError: unconverted data remains: 15:53:39 +05:30
datetime对象和时区
有两种类型的datetime对象——时区无关和时区感知。时区无关对象不包含时区信息，而时区感知对象包含时区信息。这个配方演示了在datetime对象上执行多个与时区相关的操作：创建时区无关和时区感知对象，向时区感知对象添加时区信息，从时区无关对象中删除时区信息，以及比较时区感知和时区无关对象。
如何做…
执行此配方的以下步骤：
- 从 Python 标准库中导入必要的模块：
>>> from datetime import datetime
- 创建一个时区无关的
datetime对象。将其赋给now_tz_naive并打印它：
>>> now_tz_unaware = datetime.now() >>> print(now_tz_unaware)
我们得到了以下输出。您的输出可能会有所不同：
2020-08-12 20:55:50.598800
- 打印
now_tz_naive的时区信息。注意输出：
>>> print(now_tz_unaware.tzinfo)
我们得到了以下输出：
None
- 创建一个时区感知的
datetime对象。将其赋给now_tz_aware并打印它：
>>> now_tz_aware = datetime.now().astimezone() >>> print(now_tz_aware)
我们得到了以下输出。您的输出可能会有所不同：
2020-08-12 20:55:51.004671+05:30
- 打印
now_tz_aware的时区信息。注意输出：
>>> print(now_tz_aware.tzinfo)
我们得到了以下输出。您的输出可能会有所不同：
IST
- 通过从
now_tz_aware中添加时区信息创建一个新时间戳。将其赋给new_tz_aware并打印它：
>>> new_tz_aware = now_tz_naive.replace(tzinfo=now_tz_aware.tzinfo) >>> print(new_tz_aware)
输出如下。您的输出可能会有所不同：
2020-08-12 20:55:50.598800+05:30
- 使用
tzinfo属性打印new_tz_aware的时区信息。注意输出：
>>> print(new_tz_aware.tzinfo)
输出如下。您的输出可能会有所不同：
IST
- 通过从
new_tz_aware中移除时区信息创建一个新的时间戳。将其赋给new_tz_naive并打印它：
>>> new_tz_naive = new_tz_aware.replace(tzinfo=None) >>> print(new_tz_naive)
输出如下。您的输出可能会有所不同：
2020-08-12 20:55:50.598800
- 使用
tzinfo属性打印new_tz_naive的时区信息。注意输出：
>>> print(new_tz_naive.tzinfo)
输出如下：
None
工作原理如下…
在 步骤 1 中，从 datetime 模块中导入 datetime 类。在 步骤 2 中，使用 now() 方法创建一个时区无关的 datetime 对象，并将其赋给一个新属性 now_tz_naive。在 步骤 3 中，使用 tzinfo 属性打印 now_tz_naive 所持有的时区信息。观察到输出为 None，因为这是一个时区无关的对象。
步骤 4 中，使用 now() 和 astimezone() 方法创建了一个时区感知的 datetime 对象，并将其赋给一个新属性 now_tz_aware。步骤 5 中，使用 tzinfo 属性打印了 now_tz_aware 所持有的时区信息。注意输出为 IST 而不是 None，因为这是一个时区感知对象。
在 步骤 6 中，通过向 now_tz_naive 添加时区信息来创建一个新的 datetime 对象。时区信息来自 now_tz_aware。你可以使用 replace() 方法实现这一点（有关更多信息，请参阅 修改 datetime 对象 配方）。将其赋给一个新变量 new_tz_aware。在 步骤 7 中，打印 new_tz_aware 所持有的时区信息。观察到它与 步骤 5 中的输出相同，因为你从 now_tz_aware 中取了时区信息。同样，在 步骤 8 和 步骤 9 中，你创建了一个新的 datetime 对象 new_tz_naive，但这次你移除了时区信息。
还有更多
您只能在时区无关或时区感知的 datetime 对象之间使用比较运算符。你不能比较一个时区无关的 datetime 对象和一个时区感知的 datetime 对象。这样做会引发异常。这在以下步骤中得到了证明：
- 比较两个时区无关对象，
new_tz_naive和now_tz_naive。注意输出：
>>> new_tz_naive <= now_tz_naive
- 比较两个时区感知对象，
new_tz_aware和now_tz_aware。注意输出：
>>> new_tz_aware <= now_tz_aware
我们得到了以下输出：
True
- 比较一个时区感知对象和一个时区不感知对象，
new_tz_aware和now_tz_naive。注意错误：
>>> new_tz_aware > now_tz_naive
我们得到以下输出：
------------------------------------------------------------------- TypeError Traceback (most recent call last) <ipython-input-167-a9433bb51293> in <module> ----> 1 new_tz_aware > now_tz_naive 2 # Note: It's expected to get an error below TypeError: can't compare offset-naive and offset-aware datetimes
创建一个 pandas.DataFrame 对象
现在我们已经完成了日期和时间的处理，让我们转向处理时间序列数据。pandas库有一个pandas.DataFrame类，对于处理和操作这样的数据很有用。这个示例从创建这些对象开始。
如何做…
对于这个示例，执行以下步骤：
- 从 Python 标准库中导入必要的模块：
>>> from datetime import datetime >>> import pandas
- 创建一个时间序列数据的示例，作为一个字典对象列表。将其分配给
time_series数据：
>>> time_series_data = \ [{'date': datetime.datetime(2019, 11, 13, 9, 0), 'open': 71.8075, 'high': 71.845, 'low': 71.7775, 'close': 71.7925, 'volume': 219512}, {'date': datetime.datetime(2019, 11, 13, 9, 15), 'open': 71.7925, 'high': 71.8, 'low': 71.78, 'close': 71.7925, 'volume': 59252}, {'date': datetime.datetime(2019, 11, 13, 9, 30), 'open': 71.7925, 'high': 71.8125, 'low': 71.76, 'close': 71.7625, 'volume': 57187}, {'date': datetime.datetime(2019, 11, 13, 9, 45), 'open': 71.76, 'high': 71.765, 'low': 71.735, 'close': 71.7425, 'volume': 43048}, {'date': datetime.datetime(2019, 11, 13, 10, 0), 'open': 71.7425, 'high': 71.78, 'low': 71.7425, 'close': 71.7775, 'volume': 45863}, {'date': datetime.datetime(2019, 11, 13, 10, 15), 'open': 71.775, 'high': 71.8225, 'low': 71.77, 'close': 71.815, 'volume': 42460}, {'date': datetime.datetime(2019, 11, 13, 10, 30), 'open': 71.815, 'high': 71.83, 'low': 71.7775, 'close': 71.78, 'volume': 62403}, {'date': datetime.datetime(2019, 11, 13, 10, 45), 'open': 71.775, 'high': 71.7875, 'low': 71.7475, 'close': 71.7525, 'volume': 34090}, {'date': datetime.datetime(2019, 11, 13, 11, 0), 'open': 71.7525, 'high': 71.7825, 'low': 71.7475, 'close': 71.7625, 'volume': 39320}, {'date': datetime.datetime(2019, 11, 13, 11, 15), 'open': 71.7625, 'high': 71.7925, 'low': 71.76, 'close': 71.7875, 'volume': 20190}]
- 从
time_series_data创建一个新的DataFrame。将其分配给df并打印它：
>>> df = pandas.DataFrame(time_series_data)
我们得到以下输出：
date open high low close volume 0 2019-11-13 09:00:00 71.8075 71.8450 71.7775 71.7925 219512 1 2019-11-13 09:15:00 71.7925 71.8000 71.7800 71.7925 59252 2 2019-11-13 09:30:00 71.7925 71.8125 71.7600 71.7625 57187 3 2019-11-13 09:45:00 71.7600 71.7650 71.7350 71.7425 43048 4 2019-11-13 10:00:00 71.7425 71.7800 71.7425 71.7775 45863 5 2019-11-13 10:15:00 71.7750 71.8225 71.7700 71.8150 42460 6 2019-11-13 10:30:00 71.8150 71.8300 71.7775 71.7800 62403 7 2019-11-13 10:45:00 71.7750 71.7875 71.7475 71.7525 34090 8 2019-11-13 11:00:00 71.7525 71.7825 71.7475 71.7625 39320 9 2019-11-13 11:15:00 71.7625 71.7925 71.7600 71.7875 20190
- 获取
df中的列列表：
>>> df.columns.tolist()
我们得到以下输出：
['date', 'open', 'high', 'low', 'close', 'volume']
- 再次使用
time_series_data创建一个DataFrame对象。这次，按照你想要的顺序指定列：
>>> pandas.DataFrame(time_series_data, columns=['close','date', 'open', 'high', 'low', 'volume'])
我们得到以下输出：
close date open high low volume 0 71.7925 2019-11-13 09:00:00 71.8075 71.8450 71.7775 219512 1 71.7925 2019-11-13 09:15:00 71.7925 71.8000 71.7800 59252 2 71.7625 2019-11-13 09:30:00 71.7925 71.8125 71.7600 57187 3 71.7425 2019-11-13 09:45:00 71.7600 71.7650 71.7350 43048 4 71.7775 2019-11-13 10:00:00 71.7425 71.7800 71.7425 45863 5 71.8150 2019-11-13 10:15:00 71.7750 71.8225 71.7700 42460 6 71.7800 2019-11-13 10:30:00 71.8150 71.8300 71.7775 62403 7 71.7525 2019-11-13 10:45:00 71.7750 71.7875 71.7475 34090 8 71.7625 2019-11-13 11:00:00 71.7525 71.7825 71.7475 39320 9 71.7875 2019-11-13 11:15:00 71.7625 71.7925 71.7600 20190
Python 算法交易秘籍（一）（3）https://developer.aliyun.com/article/1523085
