ptrade量化平台如何进行文件读写操作（含Excel/CSV）

ptrade 支持文件的读写吗？

是的，ptrade 量化平台完全支持文件的读写操作。

由于 ptrade 底层基于 Python 环境，你可以使用 Python 的标准文件 I/O 操作（如 open()）以及强大的第三方数据处理库（如 pandas）来进行文件的读写。为了确保文件能够正确保存和读取，ptrade 提供了专门的 API 来获取文件路径。

Excel 文件可以读写吗？

可以读写，但更推荐使用 CSV 格式。

根据 ptrade 支持的第三方库列表，平台内置了 pandas (0.23.4)、xlrd (1.1.0) 和 xlwt (1.3.0)。这意味着你可以通过 pandas.read_excel() 和 DataFrame.to_excel() 来读写 Excel 文件。但需要注意的是，由于内置的 xlrd 版本较老，可能对较新的 .xlsx 格式支持有限，通常更稳定的是读写 .xls 格式，或者强烈建议直接使用 .csv 格式，因为 CSV 读写速度更快且兼容性更好。

ptrade 文件读写实战指南

1. 获取正确的文件路径

在 ptrade 中读写文件时，必须将文件保存在研究目录下，否则可能会因为权限或环境重启导致文件丢失。使用 get_research_path() 接口可以获取研究根目录路径。

# 获取研究路径
NOTEBOOK_PATH = get_research_path()

2. 读写 CSV 文件（推荐）

使用 pandas 读写 CSV 文件是量化交易中最常见的数据处理方式。

import pandas as pd

def initialize(context):
    g.security = '600570.SS'
    set_universe(g.security)
    
    # 获取路径
    path = get_research_path()
    file_path = path + 'my_data.csv'
    
    # 写入 CSV 文件
    df_write = pd.DataFrame({'code': ['600570.SS', '000001.SZ'], 'value': [100, 200]})
    df_write.to_csv(file_path, index=False)
    log.info("CSV 文件写入成功！")
    
    # 读取 CSV 文件
    try:
        df_read = pd.read_csv(file_path)
        log.info("读取到的 CSV 数据：\n%s" % df_read)
    except Exception as e:
        log.error("读取 CSV 失败：%s" % e)

def handle_data(context, data):
    pass

3. 读写 Excel 文件

如果你必须使用 Excel 文件，可以借助 pandas。

import pandas as pd

def initialize(context):
    path = get_research_path()
    # 建议使用 .xls 后缀以兼容内置的 xlwt/xlrd 库
    excel_path = path + 'my_data.xls'
    
    # 写入 Excel
    df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]})
    try:
        df.to_excel(excel_path, index=False)
        log.info("Excel 写入成功")
    except Exception as e:
        log.error("Excel 写入失败：%s" % e)
        
    # 读取 Excel
    try:
        df_read = pd.read_excel(excel_path)
        log.info("读取到的 Excel 数据：\n%s" % df_read)
    except Exception as e:
        log.error("Excel 读取失败：%s" % e)

def handle_data(context, data):
    pass

4. 使用 Pickle 进行策略变量持久化

对于策略中复杂的 Python 对象（如字典、列表），ptrade 官方推荐使用 pickle 模块进行持久化保存，以防止环境重启导致变量丢失。

import pickle
from collections import defaultdict

NOTEBOOK_PATH = get_research_path()

def initialize(context):
    g.security = '600570.SS'
    set_universe(g.security)
    
    # 尝试读取 pickle 文件恢复变量
    try:
        with open(NOTEBOOK_PATH + 'hold_days.pkl', 'rb') as f:
            g.hold_days = pickle.load(f)
        log.info("成功恢复持久化变量")
    except:
        g.hold_days = defaultdict(list)
        log.info("初始化新变量")

def handle_data(context, data):
    # 策略逻辑...
    
    # 每天将变量保存到 pickle 文件中
    with open(NOTEBOOK_PATH + 'hold_days.pkl', 'wb') as f:
        pickle.dump(g.hold_days, f, -1)

总结建议

1. 路径管理：永远使用 get_research_path() 拼接文件名。
2. 格式选择：优先使用 .csv 或 .pkl，尽量避免使用 .xlsx 以防依赖库版本不兼容。
3. 异常处理：在进行文件 I/O 操作时，务必加上 try...except 块，防止因文件不存在或读写冲突导致策略崩溃。