Ptrade调用 get_history 获取1000只股票历史K线报错 RecursionError 怎么办？

get_history获取历史数据有概率出错！

客户反馈在8点10分获取1000个代码的历史K线正常，9点10分获取1000个代码的历史k线大约有30%的概率出现报错：
RecursionError: maximum recursion depth exceeded while calling a Python object？

问题原因分析

在 Ptrade 平台中，出现 RecursionError: maximum recursion depth exceeded 通常是因为底层在处理极其庞大的数据结构时，递归调用层数超过了 Python 默认的限制（通常为 1000）。针对您描述的场景，主要有以下两个核心原因：

1. 时间点冲突与系统负载：
   根据 Ptrade 官方文档，交易环境下的 before_trading_start 函数默认在 9:10 执行。此时系统正在进行盘前数据的集中初始化、行情快照更新等高负载操作。如果在此时一次性请求 1000 只股票的历史数据，底层在处理缺失值填充、停牌数据对齐时，极易因为资源紧张或数据状态不稳定而触发深层递归。
2. 数据结构拼接过深：
   当 get_history 一次性传入 1000 个代码时，默认返回的是 pandas.DataFrame 或 pandas.Panel。底层在将海量数据进行合并（Merge/Concat）和索引对齐时，可能会触发 Pandas 内部的深层递归逻辑，从而导致报错。

---

最佳解决方案

为了彻底解决该问题，建议采用以下几种优化方案的组合：

方案一：开启 is_dict=True 提升性能（强烈推荐）

Ptrade 官方文档指出，当获取大量数据时，设置 is_dict=True 可以让接口直接返回字典格式（OrderedDict），跳过耗时的 DataFrame 拼接过程，不仅取数速度大幅提升，还能有效避免 Pandas 底层的递归报错。

# 推荐的调用方式
his_data = get_history(100, '1d', 'close', security_list=stock_list, is_dict=True)

方案二：分批次获取数据

不要一次性传入 1000 个代码，将其切分为每次 100~200 个的小批次进行获取，这样可以显著降低单次函数调用的内存和递归压力。

def get_history_in_batches(stock_list, batch_size=200):
    all_data = {}
    for i in range(0, len(stock_list), batch_size):
        batch = stock_list[i:i+batch_size]
        # 分批获取并合并字典
        batch_data = get_history(100, '1d', 'close', security_list=batch, is_dict=True)
        if batch_data:
            all_data.update(batch_data)
    return all_data

方案三：避开 9:10 的系统高峰期

如果必须在盘前获取数据，建议避开 9:10 这个绝对高峰点。可以通过 run_daily 将数据获取任务延后到 9:15 或 9:20 执行，或者在 before_trading_start 中加入短暂的休眠。

import time

def before_trading_start(context, data):
    # 稍微延后几秒，避开 9:10:00 的瞬间高并发
    time.sleep(3) 
    # 然后再执行获取数据的逻辑
    # ...

方案四：手动增加 Python 递归深度（治标不治本，仅作备用）

如果由于策略逻辑强依赖 DataFrame 格式且不想改动代码，可以在 initialize 中尝试提高 Python 的最大递归深度限制，但这可能会增加内存消耗。

import sys

def initialize(context):
    # 将最大递归深度从默认的 1000 提升到 3000
    sys.setrecursionlimit(3000)
    # ...

总结：最稳妥的做法是 分批获取 + 使用 is_dict=True，这不仅能解决 RecursionError，还能让您的策略在 Ptrade 交易环境中运行得更加稳定和高效。