JoinQuant 聚宽平台中 get_sort_dataframe 函数与向导式策略详解

你好！你在官方的 API 文档中找不到 get_sort_dataframe 和 kuanke.wizard 是非常正常的，因为它们确实不属于聚宽公开的核心 API 范畴。下面为你详细解答这两个问题：

1. 关于 get_sort_dataframe 函数的用法

为什么找不到文档？
get_sort_dataframe 并不是 JoinQuant 官方公开的标准 API 函数，而是向导式策略（策略生成器）在后台自动生成代码时使用的一个内部封装函数。它被封装在 kuanke.wizard 模块中，主要为了方便图形化界面生成的代码调用，因此官方并没有为这些内部函数提供详细的公开帮助文档。

它的作用是什么？
顾名思义，这个函数的作用是对 Pandas 的 DataFrame 进行排序（通常用于根据某个因子值对股票池进行排序选股）。

最佳替代方案（强烈建议）：
既然你已经开始查看和修改代码，强烈建议直接使用 Python 数据分析标准库 Pandas 原生的排序方法，这比依赖未公开的内部函数要稳定和灵活得多。在量化研究中，处理 DataFrame 排序的标准做法是使用 sort_values()。

Pandas 排序示例：

import pandas as pd

# 假设 df 是你获取到的包含股票因子数据的 DataFrame
# df = get_fundamentals(query(...))

# 按照某列（例如 'market_cap' 总市值）进行升序排序（从小到大）
sorted_df = df.sort_values(by='market_cap', ascending=True)

# 按照某列进行降序排序（从大到小）
sorted_df_desc = df.sort_values(by='market_cap', ascending=False)

# 多列排序：先按市值升序，市值相同按市盈率降序
sorted_df_multi = df.sort_values(by=['market_cap', 'pe_ratio'], ascending=[True, False])

使用原生的 sort_values 完全可以替代 get_sort_dataframe 的功能，并且你可以随时查阅 Pandas 的官方文档来了解更多高级用法。

2. “向导式”到底是个什么？

向导式策略（策略生成器）的概念：
“向导式”指的是聚宽平台早期提供的一种图形化、零代码（或低代码）的策略生成工具。它的初衷是为了让不懂 Python 编程的用户，通过在网页上点击下拉菜单、勾选条件（比如：选股条件设为“市值小于100亿”，买入条件设为“MACD金叉”等），就能自动生成一个可以运行的量化策略。

为什么帮助文档里找不到？

• 定位不同：你查看的《JoinQuant API 文档》是面向纯代码开发者的，里面记录的是底层的数据获取函数（如 get_price、get_fundamentals）和交易函数（如 order）。
• 黑盒封装：向导式工具为了把用户的“点击操作”转化为 Python 代码，在底层写了一套专门的转换库，也就是 kuanke.wizard。这个库把很多基础 API 进行了二次甚至三次封装（比如把获取数据和排序封装成了 get_sort_dataframe）。官方认为这部分代码是机器生成的“黑盒”，不需要用户去手动调用，所以没有将其列入开发者 API 文档中。

总结与建议

如果你只是用向导式工具点选策略，那么不需要关心这些代码；但既然你已经开始阅读代码并寻找函数文档，说明你正在向纯代码量化开发进阶。

建议你逐步放弃使用向导式生成的代码框架（即放弃 from kuanke.wizard import *）。向导式生成的代码往往冗长且难以调试。你可以参考官方 API 文档中的【策略示例】（如均线策略、多股票持仓示例），从头开始使用标准的 initialize、handle_data 以及原生的 Pandas 库来编写策略，这样你的量化之路会走得更远、更扎实。