python量化分析数据导入01

这是个人第一次在CSDN上发BLOG，主要想记录自己学习量化的过程，并督促自己能坚持下来。

本节是使用backtrader回测的数据如何导入，主要内容为：

本地数据csv导入
tushare数据导入
pd.DataFrame数据导入注意事项

知识点补短板：
1、from future import print_function。是什么意思？
python2.X - python3.X新旧版本的兼容性方面存在差异，处理方法是按照最新的特性来处理。将future可以看成Python的一个专门存放新特性的模块。
from future import print_function。其实这句函数之后，即使在低版本的python2.X，当使用print函数时，须python3.X那样加括号使用。tips：python2.X中print不需要括号，而在python3.X中则需要。
对于所有的from future import _，则意味着在新旧版本的兼容性方面存在差异，处理方法是按照最新的特性来处理。可以将future看成Python的一个专门存放新特性的模块。除了print_function，还有absolute_import，division，unicode_literals。
主要目的还是实现代码引用时，在低版本上能够使用新版上的功能。
2、os.path.realpath(file) 获取当前目录及文件名称
os.path.dirname() 获取上级目录（即当前文件所在文件夹名）
os.path.join (当前目录, 加入目录)添加目录
print(os.path.realpath(file)) #获取当前文件路径
print(os.path.dirname(os.path.realpath(file))) # 获取当前文件上级目录
os.path.dirname(os.path.dirname(os.path.realpath(file))) # 获取当前文件上上级目录


# 目录打印的结果是  C:/study/project
project_path = os.path.dirname(os.path.dirname(__file__))
# 拼接后的路径是:C:/study/project\datas
data_path = os.path.join(project_path,'datas')
#--------------------------------------
# 如果想让项目目录变为\形式，使用adspath (注：在python下是没有必要这样处理的，现在仅提供了一种改为\形式的方法而已）
project_path = os.path.dirname(os.path.dirname(os.path.abspath(__file__)))
# 这个时候的路径是:C:\study\project\datas
data_path = os.path.join(project_path,'datas')

CSV数据导入路径为：
方法1

# 先找到脚本文件的位置
modepath = os.path.dirname(__file__)
# 然后根据脚本与数据的相对关系找到数据位置,这样脚本从任意地方被调用，都可以正确地访问到数据
datapath = modepath+'/data/000998.SZ.csv'

注：python 脚本文件在C:/Users/PycharmProjects/pythonProject 文件夹中

C:/Users/PycharmProjects/pythonProject
C:/Users/PycharmProjects/pythonProject/data/000998.SZ.csv

方法2

# 先找到脚本文件的位置
modepath = os.path.dirname(__file__)
# 然后根据脚本与数据的相对关系找到数据位置,这样脚本从任意地方被调用，都可以正确地访问到数据
# datapath = modepath+'/data/000998.SZ.csv'
datapath = os.path.join(modepath, './data/000998.SZ.csv')   # ./ 代表当前所在的目录

C:/Users/PycharmProjects/pythonProject
C:/Users/PycharmProjects/pythonProject./data/000998.SZ.csv

方法3

# 先找到脚本文件的位置
modepath = os.path.dirname(__file__)
# 然后根据脚本与数据的相对关系找到数据位置,这样脚本从任意地方被调用，都可以正确地访问到数据
# datapath = modepath+'/data/000998.SZ.csv'
# datapath = os.path.join(modepath, './data/000998.SZ.csv')
datapath = os.path.join(modepath, 'data/000998.SZ.csv')

C:/Users/PycharmProjects/pythonProject
C:/Users/PycharmProjects/pythonProject\data/000998.SZ.csv

以上3种方案的数据 GenericCSVData均可以导入

import backtrader as bt    # 引入backtrader 框架
import datetime
import pandas as pd
import numpy as np
import os                 # 用于路径管理 数据导入时使用# 创建策略
class TestStrategy(bt.Strategy):def log(self, txt, dt=None):"""日志函数"""dt = dt or self.datas[0].datetime.date(0)print('%s, %s' % (dt.isoformat(), txt))def __init__(self):self.dataclose = self.datas[0].closedef next(self):self.log('Close,%.2f' % self.dataclose[0])# 创建cerebro实例
cerebro = bt.Cerebro()
# 添加策略
cerebro.addstrategy(TestStrategy)
# 先找到脚本文件的位置
modepath = os.path.dirname(__file__)
# 然后根据脚本与数据的相对关系找到数据位置,这样脚本从任意地方被调用，都可以正确地访问到数据
# datapath = modepath+'/data/000998.SZ.csv'
# datapath = os.path.join(modepath, './data/000998.SZ.csv')
datapath = os.path.join(modepath, 'data/000998.SZ.csv')# data feeds 创建
data = bt.feeds.GenericCSVData(dataname=datapath,fromdate=datetime.datetime(2020, 8, 13),todate=datetime.datetime(2021, 8, 13),nullvalue=0.0,dtformat='%Y-%m-%d',       # 自动把index数据中的符合日期的格式变成datetime类型datetime=0,open=2,high=3,low=4,close=5,volume=9,openinterest=-1
)# dataframe = pd.read_csv('dfqc.csv', index_col=0, parse_dates=True)
# dataframe['openinterest'] = 0
# data = bt.feeds.PandasData(dataname=dataframe,
#                            fromdate=datetime.datetime(2015, 1, 1),
#                            todate=datetime.datetime(2016, 12, 31)
#                            )
# 在cerebro中添加价格数据
cerebro.adddata(data)
# 设置启动资金
cerebro.broker.setcash(100000.0)
# 打印开始资金
print('Starting Portfolio Value:%.2f' % cerebro.broker.getvalue())
# 遍历所有数据
cerebro.run()
# 打印最后结果
print('Final Portfolio Value:%.2f' % cerebro.broker.getvalue())

2021-08-06, Close,23.35
2021-08-09, Close,23.14
2021-08-10, Close,23.35
2021-08-11, Close,22.93
2021-08-12, Close,22.97
Final Portfolio Value:100000.00

学习python量化分析相关推荐

python量化分析系列之---5行代码实现1秒内获取一次所有股票的实时分笔数据
python量化分析系列之---5行代码实现1秒内获取一次所有股票的实时分笔数据最近工作太忙了,有一个星期没有更新文章了,本来这一期打算分享一些对龙虎榜数据的分析结果的,现在还没有把数据内的价值很好 ...
Python 量化分析ETF指数基金投资
Python 量化分析ETF指数基金. 标签(空格分隔): python 量化 ETF tushare pandas 文章目录 Python 量化分析ETF指数基金. 数据获取数据分析在喜马拉雅上 ...
Python量化分析之K线模式识别
Python量化分析中,基于TA-Lib 的K线的指标分析转自 https://www.ricequant.com/community/topic/2393 函数名:CDL2CROWS 名称:Two ...
python聚宽量化_今天开始使用聚宽的系统学习python量化交易
今天开始使用聚宽的系统学习python量化交易满满的成就感,终于在两个月时间里稍微懂一点程序是怎么了,虽然学习的进度比较慢,但是还是学会了一些东西 # 统计a中元素出现的次数 a = [1,2,3, ...
python量化分析前景_Python3 量化分析笔记从小白到破产-学习路线规划
文:蓝兔子读难NOTES 图: 配图来源于网络 Python3 量化分析从小白到破产学习路线规划编码:0002 上一次我们安装了 jupyter notebook 作为我们的开发环境,但是我们在 ...
python 量化分析入门_量化入门-小白到菜鸟的学习路线
小白到菜鸟的入门学习路线,不要盲目以为多看策略就能学会,要注意学习方法. 本文的主要目的很多新人面对多如牛毛的策略不知从何下手,在很多较难的帖子下面留言一些最基础的问题.小白不知道该先学什么,后学什 ...
福利 | 零基础学习Python量化交易 !（深圳）
文末有数据派独家福利投资界的人才需求量化投资在中国已经进入到一个高速发展期.量化人才需求也成为众多金融企业的关注.金融科技企业发现中国目前正面临严重的金融科技专业人才短缺.而量化分析从业者,俗称 ...
python量化分析岗位_量化金融有哪些职位可以选择？
机会成本之前写了自己如何从自动化领域转行到金融领域,后台很多朋友私信问自己的背景适不适合转行做量化,或者是如果想做量化需要做什么准备,虽然简单的回答了一些,但是由于平时工作和学习实在太忙,难免相对简 ...
python 量化分析入门_【合辑·收藏】Python量化从入门到精通
原标题:[合辑·收藏]Python量化从入门到精通引言自2018年9月27日发第一篇推文以来,公众号"Python金融量化"专注于分享Python在金融量化领域的实战应用,坚持 ...
Python 量化分析——基本面选股模型
摘要利用Python进行量化分析,AkShare获取股票基本面财务数据.进行基本面数据分析,pe市盈率.ps市销率.pb市净率.总市值等数理统计,以及图表展示.基于莫伦卡选股模型进行编码,对A股30 ...

学习python量化分析

python量化分析数据导入01

学习python量化分析相关推荐

最新文章

热门文章