cerebro = bt.Cerebro() cerebro.addstrategy(TestStrategy2) codes=['600862.SH','300326.SZ','300394.SZ'] #加載最近兩日交易數據 for code in codes:feed = Addmoredata(dataname = get_data(code,'20200506'),name=code)cerebro.adddata(feed) cerebro.run()

數據查看：

class TestStrategy(bt.Strategy):def __init__(self):# 打印數據集和數據集對應的名稱print("-------------self.datas-------------")print(self.datas)print("-------------self.data-------------")print(self.data._name, self.data) # 返回第一個導入的數據表格，縮寫形式print("-------------self.data0-------------")print(self.data0._name, self.data0) # 返回第一個導入的數據表格，縮寫形式print("-------------self.datas[0]-------------")print(self.datas[0]._name, self.datas[0]) # 返回第一個導入的數據表格，常規形式print("-------------self.datas[1]-------------")print(self.datas[1]._name, self.datas[1]) # 返回第二個導入的數據表格，常規形式print("-------------self.datas[-1]-------------")print(self.datas[-1]._name, self.datas[-1]) # 返回最后一個導入的數據表格print("-------------self.datas[-2]-------------")print(self.datas[-2]._name, self.datas[-2]) # 返回倒數第二個導入的數據表格 data1 = pd.read_csv('111.csv') cerebro = bt.Cerebro() st_date = datetime.datetime(2019,1,2) ed_date = datetime.datetime(2021,1,28) # 添加 600466.SH 的行情數據 datafeed1 = bt.feeds.PandasData(dataname=data1, fromdate=st_date, todate=ed_date) cerebro.adddata(datafeed1, name='600466.SH') # 添加 603228.SH 的行情數據 datafeed2 = bt.feeds.PandasData(dataname=data2, fromdate=st_date, todate=ed_date) cerebro.adddata(datafeed2, name='603228.SH') cerebro.addstrategy(TestStrategy) rasult = cerebro.run() # 訪問第一個數據集的 close 線 self.data.lines.close # 可省略 lines 簡寫成：self.data.close self.data.lines_close # 可省略 lines 簡寫成：self.data_close # 訪問第二個數據集的 open 線 self.data1.lines.close # 可省略 lines 簡寫成：self.data1.close self.data1.lines_close # 可省略 lines 簡寫成：self.data1_close # 注：只有從 self.datas 調用 line 時可以省略 lines，調用 indicators 中的 line 時不能省略

獲取數據方法：

如果你能清楚的記住數據表格中每條線的位置，也可以通過索引位置（整數）來訪問，同樣支持簡寫形式：
1、完整形式：self.datas[X].lines[Y]；

2、簡寫形式：self.dataX.lines[Y]、self.dataX_Y；

3、說明：X 對應單個數據表格在數據表格集合中的索引位置，Y 對應某條線在數據表格中的索引位置 。

class TestStrategy(bt.Strategy):def __init__(self):print("--------- 打印 self 策略本身的 lines ----------")print(self.lines.getlinealiases())print("--------- 打印 self.datas 第一個數據表格的 lines ----------")print(self.datas[0].lines.getlinealiases())# 計算第一個數據集的s收盤價的20日均線，返回一個 Data feedself.sma = bt.indicators.SimpleMovingAverage(self.datas[0].close, period=20)print("--------- 打印 indicators 對象的 lines ----------")print(self.sma.lines.getlinealiases())print("---------- 直接打印 indicators 對象的所有 lines -------------")print(self.sma.lines) print("---------- 直接打印 indicators 對象的第一條 lines -------------")print(self.sma.lines[0])def next(self):print('驗證索引位置為 6 的線是不是 datetime')print(bt.num2date(self.datas[0].lines[6][0]))# num2date() 作用是將數字形式的時間轉為 date 形式cerebro = bt.Cerebro() st_date = datetime.datetime(2019,1,2) ed_date = datetime.datetime(2021,1,28) datafeed1 = bt.feeds.PandasData(dataname=data1, fromdate=st_date, todate=ed_date) cerebro.adddata(datafeed1, name='600466.SH') datafeed2 = bt.feeds.PandasData(dataname=data2, fromdate=st_date, todate=ed_date) cerebro.adddata(datafeed2, name='603228.SH') cerebro.addstrategy(TestStrategy) rasult = cerebro.run()

1、索引規則：索引位置編號結合了時間信息，
0 號位置永遠指向當前時間點的數據，
-1 號位置指向前一個時間點的數據，
然后依次回退 （backwards）-2、-3、-4、-5、......；
1 號位置指向下一天的數據，然后依次向前（forwards）2、3、4、......；

2、切片方法：get(ago=0, size=1) 函數，
其中 ago 對應數據點的索引位置，即從 ago 時間點開始往前取 size 個數據點。
默認情況下是取當前最新時點（ago=0）的那一個數據（size=1）；

3、在編寫策略時，上面提到的對數據點的索引切片操作一般在 next() 函數中涉及較多，
而 __init__() 中涉及較少，
因為__init__() 中一般是對 一整條 line 進行操作（運算）。

class TestStrategy(bt.Strategy):def __init__(self):self.count = 0 # 用于計算 next 的循環次數# 打印數據集和數據集對應的名稱print("------------- init 中的索引位置-------------")print("0 索引：",'datetime',self.data1.lines.datetime.date(0), 'close',self.data1.lines.close[0])print("-1 索引：",'datetime',self.data1.lines.datetime.date(-1),'close', self.data1.lines.close[-1])print("-2 索引",'datetime', self.data1.lines.datetime.date(-2),'close', self.data1.lines.close[-2])print("1 索引：",'datetime',self.data1.lines.datetime.date(1),'close', self.data1.lines.close[1])print("2 索引",'datetime', self.data1.lines.datetime.date(2),'close', self.data1.lines.close[2])print("從 0 開始往前取3天的收盤價：", self.data1.lines.close.get(ago=0, size=3))print("從-1開始往前取3天的收盤價：", self.data1.lines.close.get(ago=-1, size=3))print("從-2開始往前取3天的收盤價：", self.data1.lines.close.get(ago=-2, size=3))print("line的總長度：", self.data1.buflen())def next(self):print(f"------------- next 的第{self.count+1}次循環 --------------")print("當前時點（今日）：",'datetime',self.data1.lines.datetime.date(0),'close', self.data1.lines.close[0])print("往前推1天（昨日）：",'datetime',self.data1.lines.datetime.date(-1),'close', self.data1.lines.close[-1])print("往前推2天（前日）", 'datetime',self.data1.lines.datetime.date(-2),'close', self.data1.lines.close[-2])print("前日、昨日、今日的收盤價：", self.data1.lines.close.get(ago=0, size=3))print("往后推1天（明日）：",'datetime',self.data1.lines.datetime.date(1),'close', self.data1.lines.close[1])print("往后推2天（明后日）", 'datetime',self.data1.lines.datetime.date(2),'close', self.data1.lines.close[2])print("已處理的數據點：", len(self.data1))print("line的總長度：", self.data0.buflen())self.count += 1cerebro = bt.Cerebro() st_date = datetime.datetime(2019,1,2) # 起始時間 ed_date = datetime.datetime(2021,1,28) # 結束時間 datafeed1 = bt.feeds.PandasData(dataname=data1, fromdate=st_date, todate=ed_date) cerebro.adddata(datafeed1, name='600466.SH') datafeed2 = bt.feeds.PandasData(dataname=data2, fromdate=st_date, todate=ed_date) cerebro.adddata(datafeed2, name='603228.SH') cerebro.addstrategy(TestStrategy) rasult = cerebro.run()

__init__() 中：?
訪問的是整條 line，索引編號也是對整條 line 上所有數據點進行編號的，
所以 0 號位置對應導入的行情數據中最晚的那個時間點 2021-01-28，
然后依次 backwards；
1 號位置對應最早的那個時間點 2019-01-02，
然后依次 forwards ；

通過 get() 切片時，如果是從 ago=0 開始取，不會返回數據，從其他索引位置開始取，能返回數據 。

next() 中：
1、由于 next() 是按回測時間點依次循環運行的，
所以 next() 中數據點的索引位置是隨著回測依次推進而動態變化的：backwards 時對應回測過的、已處理過的那部分 line， forwards 時對應還未回測的那部分 line ；

2、在 next() 中，只要記住 0 是當前回測的時間點（今日），
然后站在當前時刻回首過往：-1 是昨日、-2 是前日，依次類推 ；或者站在當前時刻期盼未來：1 是明日、2 是明后日，以此類推 。
獲取 line 長度：
1、self.data0.buflen() 返回整條線的總長度，固定不變；
2、在 next() 中調用 len(self.data0)，返回的是當前已處理（已回測）的數據長度，會隨著回測的推進動態增長。

DataFeeds 數據模塊

默認的導入方式
step1：調用 DataFeeds 模塊中的方法讀取數據；

step2：將讀取的數據傳給大腦。

# 讀取和導入 CSV 文件 data = bt.feeds.GenericCSVData(dataname='filename.csv', ...) cerebro.adddata(data, name='XXX') # 讀取和導入 dataframe 數據框 - 方式1 data = bt.feeds.PandasData(dataname=df, ...) cerebro.adddata(data, name='XXX') # 讀取和導入 dataframe 數據框 - 方式2 data = bt.feeds.PandasDirectData(dataname=df, ...) cerebro.adddata(data, name='XXX')# 以 GenericCSVData 為例進行參數說明（其他導入函數參數類似） bt.feeds.GenericCSVData(dataname='daily_price.csv', # 數據源，CSV文件名 或 Dataframe對象fromdate=st_date, # 讀取的起始時間todate=ed_date, # 讀取的結束時間nullvalue=0.0, # 缺失值填充dtformat=('%Y-%m-%d'), # 日期解析的格式# 下面是數據表格默認包含的 7 個指標，取值對應指標在 daily_price.csv 中的列索引位置datetime=0, # 告訴 GenericCSVData， datetime 在 daily_price.csv 文件的第1列high=3, low=4,open=2,close=5,volume=6,openinterest=-1) # 如果取值為 -1 , 告訴 GenericCSVData 該指標不存在

?Backtrader 中的數據表格默認情況下包含 7 條 line，這 7 條 line 的位置也是固定的，
依次為 ('close', 'low', 'high', 'open', 'volume', 'openinterest', 'datetime') ，
那導入的數據表格必須包含這 7 個指標嗎？指標的排列順序也必須一致嗎？
當然不是！其實你只要告訴 GenericCSVData、PandasData 、PandasDirectData 這 7 個指標在數據源中位于第幾列，如果沒有這個指標，那就將位置設置為 -1?
（如果是dataframe， None 表示指標不存在，-1 表示按位置或名稱自動匹配指標），所以你要做的是讓 Backtrader 知道指標在數據源的哪個位置上 。?

自定義讀取函數
如果你覺得每次都要設置這么多參數來告知指標位置很麻煩，那你也可以重新自定義數據讀取函數，
自定義的方式就是繼承數據加載類 GenericCSVData、PandasData 再構建一個新的類，然后在新的類里統一設置參數：

class My_CSVData(bt.feeds.GenericCSVData):params = (('fromdate', datetime.datetime(2019,1,2)),('todate', datetime.datetime(2021,1,28)),('nullvalue', 0.0),('dtformat', ('%Y-%m-%d')),('datetime', 0),('time', -1),('high', 3),('low', 4),('open', 2),('close', 5),('volume', 6),('openinterest', -1) ) cerebro = bt.Cerebro() data = My_CSVData(dataname='daily_price.csv') cerebro.adddata(data, name='600466.SH') rasult = cerebro.run()

?新增指標
在回測時，除了常規的高開低收成交量這些行情數據外，還會用到別的指標，
比如選股回測時會用到很多選股因子（PE、PB 、PCF、......），那這些數據又該如何添加進 Backtrader 的數據表格呢？
往 Backtrader 的數據表格里添加指標，就是給數據表格新增列，也就是給數據表格新增 line：
以導入 DataFrame 為例，
在繼承原始的數據讀取類 bt.feeds.PandasData 的基礎上
，設置 lines 屬性和 params 屬性，
新的 line 會按其在 lines 屬性中的順序依次添加進數據表格中，具體對照下面例子的輸出部分：

class PandasData_more(bt.feeds.PandasData):lines = ('pe', 'pb', ) # 要添加的線# 設置 line 在數據源上的列位置params=(('pe', -1),('pb', -1),) # -1表示自動按列明匹配數據，也可以設置為線在數據源中列的位置索引 (('pe',6),('pb',7),) class TestStrategy(bt.Strategy):def __init__(self):print("--------- 打印 self.datas 第一個數據表格的 lines ----------")print(self.data0.lines.getlinealiases())print("pe line:", self.data0.lines.pe)print("pb line:", self.data0.lines.pb)data1['pe'] = 2 # 給原先的data1新增pe指標（簡單的取值為2） data1['pb'] = 3 # 給原先的data1新增pb指標（簡單的取值為3） # 導入的數據 data1 中 cerebro = bt.Cerebro() st_date = datetime.datetime(2019,1,2) ed_date = datetime.datetime(2021,1,28) datafeed1 = PandasData_more(dataname=data1, fromdate=st_date, todate=ed_date) cerebro.adddata(datafeed1, name='600466.SH') cerebro.addstrategy(TestStrategy) rasult = cerebro.run()

?

擴展PandasData類，加載更多列數據 #pandas的數據格式 from backtrader.feeds import PandasData class Addmoredata(PandasData):lines = ('turnover_rate','pe','pb',)params = (('turnover_rate',7),('pe',8),('pb',9),) 擴展GenericCSVData加載csv格式數據 from backtrader.feeds import GenericCSVData class AddCsvData(GenericCSVData):lines = ('turnover_rate','pe','pb',)params = (('turnover_rate',7),('pe',8),('pb',9),) import backtrader as bt from datetime import datetime class TestStrategy1(bt.Strategy):def log(self, txt, dt=None):dt = dt or self.datas[0].datetime.date(0)print('%s, %s' % (dt.isoformat(), txt))def next(self):self.log(f"換手率:{self.datas[0].turnover_rate[0]},\市凈率:{self.datas[0].pb[0]},市盈率:{self.datas[0].pe[0]}") cerebro = bt.Cerebro() cerebro.addstrategy(TestStrategy1) feed = Addmoredata(dataname = get_data('300002.SZ','20200420')) #如果是讀取csv數據使用下式 #feed = AddCsvData(dataname = 'test.csv',dtformat=('%Y-%m-%d')) cerebro.adddata(feed) cerebro.run() 多只股票數據加載測試： class TestStrategy2(bt.Strategy):def log(self, txt, dt=None):dt = dt or self.datas[0].datetime.date(0)print('%s, %s' % (dt.isoformat(), txt))def next(self):for data in self.datas:print(data._name)self.log(f"換手率:{data.turnover_rate[0]},\市凈率:{data.pb[0]},市盈率:{data.pe[0]}") cerebro = bt.Cerebro() cerebro.addstrategy(TestStrategy2) codes=['600862.SH','300326.SZ','300394.SZ'] #加載最近兩日交易數據 for code in codes:feed = Addmoredata(dataname = get_data(code,'20200506'),name=code)cerebro.adddata(feed) cerebro.run()

總結

以上是生活随笔為你收集整理的backtrader数据基础的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。