PyAlgoTrade 0.20 中文文档（一）（4）

PyAlgoTrade 0.20 中文文档（一）（3）https://developer.aliyun.com/article/1524142

CSV 支持

class pyalgotrade.feed.csvfeed.``Feed(dateTimeColumn, dateTimeFormat, converter=None, delimiter=', ', timezone=None, maxLen=None)

基类：pyalgotrade.feed.csvfeed.BaseFeed

一个从 CSV 格式文件加载值的数据源。

• dateTimeColumn (string.) – 具有日期时间信息的列的名称。
  
• dateTimeFormat (string.) – 日期时间格式。将使用 datetime.datetime.strptime 来解析列。
  
• converter (function.) – 具有两个参数（列名和值）的函数，用于将字符串值转换为其他值。默认转换器将尝试将值转换为浮点数。如果失败，则返回原始字符串。
  
• delimiter (string.) – 用于分隔值的字符串。
  
• timezone (一个 pytz 时区.) – 用于本地化日期时间的时区。检查 pyalgotrade.marketsession。
  
• maxLen (int.) – 每个 pyalgotrade.dataseries.DataSeries 将保存的值的最大数量。一旦有界长度已满，当添加新项时，相应数量的项将从另一端丢弃。如果为 None，则使用 dataseries.DEFAULT_MAX_LEN。
  

|

addValuesFromCSV(path)

从文件中加载值。

CSV 支持示例

以下是格式如下的文件

Date,USD,GBP,EUR
2013-09-29,1333.0,831.203,986.75
2013-09-22,1349.25,842.755,997.671
2013-09-15,1318.5,831.546,993.969
2013-09-08,1387.0,886.885,1052.911
.
.
.

可以这样加载：

from __future__ import print_function
from pyalgotrade.feed import csvfeed
feed = csvfeed.Feed("Date", "%Y-%m-%d")
feed.addValuesFromCSV("quandl_gold_2.csv")
for dateTime, value in feed:
    print(dateTime, value) 

输出应该是这样的：

1968-04-07 00:00:00 {'USD': 37.0, 'GBP': 15.3875, 'EUR': ''}
1968-04-14 00:00:00 {'USD': 38.0, 'GBP': 15.8208, 'EUR': ''}
1968-04-21 00:00:00 {'USD': 37.65, 'GBP': 15.6833, 'EUR': ''}
1968-04-28 00:00:00 {'USD': 38.65, 'GBP': 16.1271, 'EUR': ''}
1968-05-05 00:00:00 {'USD': 39.1, 'GBP': 16.3188, 'EUR': ''}
1968-05-12 00:00:00 {'USD': 39.6, 'GBP': 16.5625, 'EUR': ''}
1968-05-19 00:00:00 {'USD': 41.5, 'GBP': 17.3958, 'EUR': ''}
1968-05-26 00:00:00 {'USD': 41.75, 'GBP': 17.5104, 'EUR': ''}
1968-06-02 00:00:00 {'USD': 41.95, 'GBP': 17.6, 'EUR': ''}
1968-06-09 00:00:00 {'USD': 41.25, 'GBP': 17.3042, 'EUR': ''}
.
.
.
2013-07-28 00:00:00 {'USD': 1331.0, 'GBP': 864.23, 'EUR': 1001.505}
2013-08-04 00:00:00 {'USD': 1309.25, 'GBP': 858.637, 'EUR': 986.921}
2013-08-11 00:00:00 {'USD': 1309.0, 'GBP': 843.156, 'EUR': 979.79}
2013-08-18 00:00:00 {'USD': 1369.25, 'GBP': 875.424, 'EUR': 1024.964}
2013-08-25 00:00:00 {'USD': 1377.5, 'GBP': 885.738, 'EUR': 1030.6}
2013-09-01 00:00:00 {'USD': 1394.75, 'GBP': 901.292, 'EUR': 1055.749}
2013-09-08 00:00:00 {'USD': 1387.0, 'GBP': 886.885, 'EUR': 1052.911}
2013-09-15 00:00:00 {'USD': 1318.5, 'GBP': 831.546, 'EUR': 993.969}
2013-09-22 00:00:00 {'USD': 1349.25, 'GBP': 842.755, 'EUR': 997.671}
2013-09-29 00:00:00 {'USD': 1333.0, 'GBP': 831.203, 'EUR': 986.75}

目录

• feed – 基本 feeds

• CSV 支持
  
• CSV 支持示例
  

barfeed – 条形提供者

原文：gbeced.github.io/pyalgotrade/docs/v0.20/html/barfeed.html

class pyalgotrade.barfeed. BaseBarFeed(frequency, maxLen=None)

基类：pyalgotrade.feed.BaseFeed

提供源的 pyalgotrade.bar.Bar 的基类。

• frequency – 条的频率。在pyalgotrade.bar.Frequency中定义的有效值。
  
• maxLen (int.) – pyalgotrade.dataseries.bards.BarDataSeries 将保存的值的最大数量。一旦有限长度满了，当添加新项目时，相应数量的项目将从对立端丢弃。如果为 None，则使用 dataseries.DEFAULT_MAX_LEN。
  

|

注

这是一个基类，不应直接使用。

getNextBars()

重写以返回源中的下一个 pyalgotrade.bar.Bars ，如果没有条则返回 None。

注

这是给 BaseBarFeed 子类的，不应直接调用。

getCurrentBars()

返回当前的pyalgotrade.bar.Bars。

getLastBar(instrument)

返回给定仪器的最后一个 pyalgotrade.bar.Bar ，或 None。

getDefaultInstrument()

返回最后一个注册的仪器。

getRegisteredInstruments()

返回注册的仪器名称列表。

getDataSeries(instrument=None)

返回给定仪器的 pyalgotrade.dataseries.bards.BarDataSeries。

CSV

class pyalgotrade.barfeed.csvfeed. BarFeed(frequency, maxLen=None)

基类：pyalgotrade.barfeed.membf.BarFeed

基类为基于 CSV 文件的 pyalgotrade.barfeed.BarFeed。

注

这是一个基类，不应直接使用。

class pyalgotrade.barfeed.csvfeed. GenericBarFeed(frequency, timezone=None, maxLen=None)

基类：pyalgotrade.barfeed.csvfeed.BarFeed

一个从 CSV 文件加载条的 BarFeed，格式如下：

Date Time,Open,High,Low,Close,Volume,Adj Close
2013-01-01 13:59:00,13.51001,13.56,13.51,13.56,273.88014126,13.51001

• frequency – 条的频率。检查pyalgotrade.bar.Frequency。
  
• timezone (A pytz timezone.) – 用于本地化条形图的默认时区。请检查 pyalgotrade.marketsession。
  
• maxLen (int.) – pyalgotrade.dataseries.bards.BarDataSeries 将保存的值的最大数量。一旦有界长度满了，当添加新项时，相应数量的项将从另一端丢弃。如果为 None，则使用 dataseries.DEFAULT_MAX_LEN。
  

|

注意

• CSV 文件必须在第一行中具有列名。
  
• 如果Adj Close列为空，也没关系。
  
• 当使用多个工具时：
  

• 如果加载的所有工具都位于相同的时区，则可能不需要指定时区参数。
• 
  
• 如果加载的任何工具位于不同的时区，则应设置时区参数。

addBarsFromCSV(instrument, path, timezone=None, skipMalformedBars=False)

从 CSV 格式文件中加载给定工具的条形图。该工具将在条形图数据源中注册。

• instrument (string.) – 工具标识符。
  
• path (string.) – CSV 文件的路径。
  
• timezone (A pytz timezone.) – 用于本地化条形图的时区。请检查 pyalgotrade.marketsession。
  
• skipMalformedBars (boolean.) – 设置为 True 以跳过解析条形图时的错误。
  

|

setDateTimeFormat(dateTimeFormat)

设置要与 strptime 一起使用的格式字符串以解析日期时间列。## 雅虎财经

class pyalgotrade.barfeed.yahoofeed.``Feed(frequency=86400, timezone=None, maxLen=None)

基类：pyalgotrade.barfeed.csvfeed.BarFeed

从从雅虎财经下载的 CSV 文件中加载条形图的pyalgotrade.barfeed.csvfeed.BarFeed。

• frequency – 条形图的频率。仅支持 pyalgotrade.bar.Frequency.DAY 或 pyalgotrade.bar.Frequency.WEEK。
  
• timezone (A pytz timezone.) – 用于本地化条形图的默认时区。请检查 pyalgotrade.marketsession。
  
• maxLen (int.) – pyalgotrade.dataseries.bards.BarDataSeries 将保存的值的最大数量。一旦有界长度满了，当添加新项时，相应数量的项将从另一端丢弃。如果为 None，则使用 dataseries.DEFAULT_MAX_LEN。
  

|

注意

雅虎财经 CSV 文件缺乏时区信息。当使用多个工具时：

• 如果加载的所有仪器都在同一个时区，则可能不需要指定时区参数。
• 
  
• 如果加载的任何仪器处于不同的时区，则必须设置时区参数。

addBarsFromCSV(instrument, path, timezone=None)

从 CSV 格式文件中加载给定仪器的条形图。该仪器将在条形图 feed 中注册。

• instrument (string.) – 仪器标识符。
  
• path (string.) – CSV 文件的路径。
  
• timezone (一个 pytz 时区.) – 用于本地化条形图的时区。查看pyalgotrade.marketsession。
  

| ## Google Finance

class pyalgotrade.barfeed.googlefeed.``Feed(frequency=86400, timezone=None, maxLen=None)

Bases: pyalgotrade.barfeed.csvfeed.BarFeed

从 Google Finance 下载的 CSV 文件加载条形图的pyalgotrade.barfeed.csvfeed.BarFeed。

• frequency – 条形图的频率。目前仅支持pyalgotrade.bar.Frequency.DAY。
  
• timezone (一个 pytz 时区.) – 用于本地化条形图的默认时区。查看pyalgotrade.marketsession。
  
• maxLen (int.) – pyalgotrade.dataseries.bards.BarDataSeries将保存的值的最大数量。一旦达到有界长度，当添加新项时，相应数量的项将从另一端丢弃。如果为 None，则使用 dataseries.DEFAULT_MAX_LEN。
  

|

注意

Google Finance csv 文件缺少时区信息。在处理多个仪器时:

• 如果加载的所有仪器都在同一个时区，则可能不需要指定时区参数。
• 
  
• 如果加载的任何仪器处于不同的时区，则必须设置时区参数。

addBarsFromCSV(instrument, path, timezone=None, skipMalformedBars=False)

从 CSV 格式文件中加载给定仪器的条形图。该仪器将在条形图 feed 中注册。

• instrument (string.) – 仪器标识符。
  
• path (string.) – CSV 文件的路径。
  
• timezone (一个 pytz 时区.) – 用于本地化条形图的时区。查看pyalgotrade.marketsession。
  
• skipMalformedBars (boolean.) – 如果在解析条形图时跳过错误，则为 True。
  

| ## Quandl

class pyalgotrade.barfeed.quandlfeed.``Feed(frequency=86400, timezone=None, maxLen=None)

Bases: pyalgotrade.barfeed.csvfeed.GenericBarFeed

从 Quandl 下载的 CSV 文件加载 bars 的 pyalgotrade.barfeed.csvfeed.BarFeed。

• frequency – bars 的频率。仅支持 pyalgotrade.bar.Frequency.DAY 或 pyalgotrade.bar.Frequency.WEEK。
  
• timezone（一个 pytz 时区。）– 用于本地化 bars 的默认时区。请查看 pyalgotrade.marketsession。
  
• maxLen（整数。）– pyalgotrade.dataseries.bards.BarDataSeries 将保存的值的最大数量。一旦有限长度满了，当添加新项时，将从另一端丢弃相应数量的项。如果为 None，则使用 dataseries.DEFAULT_MAX_LEN。
  

|

注意

在处理多个仪器时：

• 如果加载的所有仪器都位于同一时区，则可能不需要指定时区参数。
• 
  
• 如果加载的任何仪器位于不同的时区，则必须设置时区参数。 ## Ninja Trader

类 pyalgotrade.barfeed.ninjatraderfeed. Feed（frequency，timezone=None，maxLen=None）

基类：pyalgotrade.barfeed.csvfeed.BarFeed

一个从 NinjaTrader 导出的 CSV 文件加载 bars 的 pyalgotrade.barfeed.csvfeed.BarFeed。

• frequency – bars 的频率。仅支持 pyalgotrade.bar.Frequency.MINUTE 或 pyalgotrade.bar.Frequency.DAY。
  
• timezone（一个 pytz 时区。）– 用于本地化 bars 的默认时区。请查看 pyalgotrade.marketsession。
  
• maxLen（整数。）– pyalgotrade.dataseries.bards.BarDataSeries 将保存的值的最大数量。一旦有限长度满了，当添加新项时，将从另一端丢弃相应数量的项。如果为 None，则使用 dataseries.DEFAULT_MAX_LEN。
  

|

addBarsFromCSV（instrument，path，timezone=None）

从 CSV 格式文件加载给定仪器的 bars。该仪器将在 bar feed 中注册。

• instrument（字符串。）– 仪器标识符。
  
• path（字符串。）– 文件的路径。
  
• timezone（一个 pytz 时区。）– 用于本地化 bars 的时区。请查看 pyalgotrade.marketsession。
  

|

目录

• barfeed – Bar providers

• CSV
  
• Yahoo! Finance
  
• 谷歌财经
  
• Quandl
  
• 忍者交易员
  

技术 - 技术指标

原文：gbeced.github.io/pyalgotrade/docs/v0.20/html/technical.html

class pyalgotrade.technical.``EventWindow(windowSize, dtype=, skipNone=True)

基类：object

一个 EventWindow 类负责在一系列值的移动窗口上进行计算。

• windowSize（int.） - 窗口的大小。必须大于 0。
  
• dtype（数据类型.） - 数组的期望数据类型。
  
• skipNone（布尔.） - 如果 None 值不应包含在窗口中，则为 True。
  

|

注意

这是一个基类，不应直接使用。

getValue()

重写以使用窗口中的值计算值。

getValues()

返回一个具有窗口中值的 numpy.array。

getWindowSize()

返回窗口大小。

class pyalgotrade.technical.``EventBasedFilter(dataSeries, eventWindow, maxLen=None)

基类：pyalgotrade.dataseries.SequenceDataSeries

EventBasedFilter 类负责捕获 pyalgotrade.dataseries.DataSeries 中的新值，并使用 EventWindow 计算新值。

• dataSeries（pyalgotrade.dataseries.DataSeries.） - 正在过滤的 DataSeries 实例。
  
• eventWindow（EventWindow.） - 用于计算新值的 EventWindow 实例。
  
• maxLen（int.） - 要保持的最大值数。一旦有限长度已满，添加新项时，将从对端丢弃相应数量的项。如果为 None，则使用 dataseries.DEFAULT_MAX_LEN。
  

|

示例

以下示例显示如何组合 EventWindow 和 EventBasedFilter 来构建自定义过滤器：

from __future__ import print_function
from pyalgotrade import dataseries
from pyalgotrade import technical
# An EventWindow is responsible for making calculations using a window of values.
class Accumulator(technical.EventWindow):
    def getValue(self):
        ret = None
        if self.windowFull():
            ret = self.getValues().sum()
        return ret
# Build a sequence based DataSeries.
seqDS = dataseries.SequenceDataSeries()
# Wrap it with a filter that will get fed as new values get added to the underlying DataSeries.
accum = technical.EventBasedFilter(seqDS, Accumulator(3))
# Put in some values.
for i in range(0, 50):
    seqDS.append(i)
# Get some values.
print(accum[0])  # Not enough values yet.
print(accum[1])  # Not enough values yet.
print(accum[2])  # Ok, now we should have at least 3 values.
print(accum[3])
# Get the last value, which should be equal to 49 + 48 + 47.
print(accum[-1]) 

PyAlgoTrade 0.20 中文文档（一）（5）https://developer.aliyun.com/article/1524144