vnpy试用candle_chart

好久之前听过vnpy,前两天看到还在更新，觉得可以研究一下。

主要是对其中的K线的UI

写期货回测最主要的是图形化的工具比较缺，都是用数字图表，不直观。前段时间用plot画图，发现画出来的都是静态的，且数据量多后慢的要死。

看起来这个UI画的K线要好很多，值得研究一下。

网上有说明vnpy可保存为sqlite和mongdb.

一开始用的是sqlite，原因是无需安装，直接用，按照说明下载对应的组件，因为数据源这块vnpy已经抽象出BaseDatabase,需要用到哪一种组件再实现对应的组件，sqlite实现为vnpy-sqlite

先把数据准备好：

图中表示的是RBL9的1分钟的数据，我们只需要将其转换为vnpy识别的格式，然后利用vnpy提供的接口即可实现数据存入sqlite,最终通过

save_bar_data(self, bars: List[BarData])

接口将数据存入，不过我在存入的时候遇到了不小的问题：

1）sqlite要求存入时间时是一个指定格式的字符串，而提供的组件还是按照datetime格式存入的，导致无论如何存不进去。后来没有办法，强行在存入时修改为字符串，存进去的格式如下：

然后发现存进去了，取的时候又是按照datetime格式取出来的，而且 取的时候用的是这个接口：

load_bar_data， 一定要求输入开始时间和结束时间，使用datetime转换出来的格式为2021-01-05 00:00:00,这个东西作为参数直接就获取不到数据。实在不想重头改到尾，放弃使用sqlite,考虑使用mongodb(网上能成功的我看了一下应该代码比较旧了，我拉取的代码为：

因此之前网上的所有的做法由于代码的变动都失效了。

改用mongodb的比较容易 ，直接到官网上下载mongodb-windows-x86_64-5.0.6-signed.msi，进行安装后运行即可。

然后在vnpy的运行目录加上mongo的配置：

 至此，主要的工作就做完了，剩下的就是将表格中的数据与

BarData的数据对齐即可

由于datetime是一个时间数据，在表格中我们是用两个字段来表示的，这一步比较费点精神：

    datetime_format = '%Y-%m-%d %H:%M'
    t = data['时间'].astype('str')
    data['时间'] = pd.to_datetime(data['日期'] + " " + t.str[:-2] + ":" + t.str[-2:], format=datetime_format)
    del data['日期']

然后把字段名再进行对齐：

    data.columns = ['exchange', 'symbol', 'datetime', 'open', 'high', 'low', 'close', 'volume', '成交额',
                             'open_interest', 'interval']

最后通过接口把数据存入mongdb即可：

# 封装函数
def move_df_to_mongodb(imported_data: pd.DataFrame):
    bars = []
    start = None
    count = 0

    for row in imported_data.itertuples():

        bar = BarData(

            symbol=row.symbol,
            exchange=row.exchange,
            datetime=row.datetime,
            interval=row.interval,
            volume=row.volume,
            open_price=row.open,
            high_price=row.high,
            low_price=row.low,
            close_price=row.close,
            open_interest=row.open_interest,
            gateway_name="DB",

        )
        bars.append(bar)
        # do some statistics
        count += 1
        if not start:
            start = bar.datetime
    end = bar.datetime

    # insert into database
    mongo_manager.save_bar_data(bars)
    print(f"Insert Bar: {count} from {start} - {end}")

注意，存的过程会报错，这个没有去深究，因为我确定已经存成功了：

后面回头看了下错误细节：

百度搜索一下，确认是由于pymongo从4.1开始移除了update等相关函数，所以需要安装早一点版本的，看了一下系统的确实安装了4.0.1的pymongo,查看 vnpy_mongodb-1.0.1源码，在setup.cfg中查找到依赖项：

将之前的pymongo删除，安装指定版本，再次运行save_data.py， 发现错误消失

存完了以后可以直接运行candle_chart中的run.py,如果没有数据，运行的效果图如下：

数据存入成功后运行的效果图如下：

 

 最后附上save_data.py代码：

from vnpy.trader.constant import (Exchange, Interval)
import pandas as pd
from vnpy.trader.object import (BarData, TickData)
from vnpy_mongodb import Database

mongo_manager = Database()


# 封装函数
def move_df_to_mongodb(imported_data: pd.DataFrame):
    bars = []
    start = None
    count = 0

    for row in imported_data.itertuples():

        bar = BarData(

            symbol=row.symbol,
            exchange=row.exchange,
            datetime=row.datetime,
            interval=row.interval,
            volume=row.volume,
            open_price=row.open,
            high_price=row.high,
            low_price=row.low,
            close_price=row.close,
            open_interest=row.open_interest,
            gateway_name="DB",

        )
        bars.append(bar)
        # do some statistics
        count += 1
        if not start:
            start = bar.datetime
    end = bar.datetime

    # insert into database
    mongo_manager.save_bar_data(bars)
    print(f"Insert Bar: {count} from {start} - {end}")


if __name__ == "__main__":

    # 读取需要入库的csv文件，该文件是用gbk编码
    data = pd.read_csv('RBL9.csv', encoding='gbk')
    # 将csv文件中 `市场代码`的 SC 替换成 Exchange.SHFE SHFE
    data['市场代码'] = Exchange.SHFE
    # 增加一列数据 `inteval`，且该列数据的所有值都是 Interval.MINUTE
    data['interval'] = Interval.MINUTE
    # 明确需要是float数据类型的列
    float_columns = ['开', '高', '低', '收', '成交量', '持仓量']
    for col in float_columns:
        data[col] = data[col].astype('float')

    datetime_format = '%Y-%m-%d %H:%M'
    t = data['时间'].astype('str')
    data['时间'] = pd.to_datetime(data['日期'] + " " + t.str[:-2] + ":" + t.str[-2:], format=datetime_format)
    del data['日期']
    data.columns = ['exchange', 'symbol', 'datetime', 'open', 'high', 'low', 'close', 'volume', '成交额',
                             'open_interest', 'interval']
    move_df_to_mongodb(data)

最后感谢网上一个哥们的代码，很多做了参照，一下子找不到他的相关链接，后面找着了会补上参照的相关文章。