7.2 KiB
| date | tags | title | |||||
|---|---|---|---|---|---|---|---|
|
|
😯: https://www.freqtrade.io/en/stable/strategy-customization/这个页面里的内容:Dataframe¶Freqtrade
uses pandas to store/provide the candlestick (OHLCV) data. Pandas is a great library developed for processing large amounts of data in tabular format.Each row in a dataframe corresponds to one candle on a chart, with the latest complete candle always being the last in the dataframe (sorted by date).
If we were to look at the first few rows of the main dataframe using the pandas head() function, we would see:> dataframe.head()
date open high low close volume 0 2021-11-09 23:25:00+00:00 67279.67 67321.84 67255.01 67300.97 44.62253 1 2021-11-09 23:30:00+00:00 67300.97 67301.34 67183.03 67187.01 61.38076 2 2021-11-09 23:35:00+00:00 67187.02 67187.02 67031.93 67123.81 113.42728 3 2021-11-09 23:40:00+00:00 67123.80 67222.40 67080.33 67160.48 78.96008 4 2021-11-09 23:45:00+00:00 67160.48 67160.48 66901.26 66943.37 111.39292
A dataframe is a table where columns are not single values, but a series of data values. As such, simple python comparisons like the following will not work:
if dataframe['rsi'] > 30:
dataframe['enter_long'] = 1
The above section will fail with The truth value of a Series is ambiguous [...].This must instead be written in a pandas-compatible way, so the operation is performed across the whole dataframe, i.e. vectorisation.
dataframe.loc[
(dataframe['rsi'] > 30)
, 'enter_long'] = 1
With this section, you have a new column in your dataframe, which has 1 assigned whenever RSI is above 30.Freqtrade uses this new column as an entry signal, where it is assumed that a trade will subsequently open on the next open candle.Pandas provides fast ways to calculate metrics, i.e. "vectorisation". To benefit from this speed, it is advised to not use loops, but use vectorized methods instead.Vectorized operations perform calculations across the whole range of data and are therefore, compared to looping through each row, a lot faster when calculating indicators
请帮我解释一下,没看懂
我来帮你逐步解释这段内容，这部分是关于 Freqtrade（一个开源的加密货币交易框架）如何使用 Pandas 数据框架（Dataframe）来处理和分析K线图数据（OHLCV: 开盘价、最高价、最低价、收盘价、成交量）。这段文档主要是讲如何在 Freqtrade 中操作数据，并编写交易策略时的一些注意事项。以下是逐步拆解和解释：
- 什么是 Dataframe？
-
定义：Freqtrade 使用 Python 的 Pandas 库来存储和处理K线数据。Pandas 是一个强大的数据处理工具，特别适合处理表格形式的大量数据。
-
K线数据：在交易中，每一根K线（蜡烛图）表示一段时间内的价格波动，包括开盘价（open）、最高价（high）、最低价（low）、收盘价（close）和成交量（volume）。这些数据被存储在 Dataframe 中。
-
结构：Dataframe 是一个表格，每一行代表一根K线，按时间排序，最后一行是最近完成的K线。
例子：
date open high low close volume
0 2021-11-09 23:25:00+00:00 67279.67 67321.84 67255.01 67300.97 44.62253
1 2021-11-09 23:30:00+00:00 67300.97 67301.34 67183.03 67187.01 61.38076
-
每一行是一个5分钟的K线（从时间戳可以看出）。
-
列（date, open, high, low, close, volume）分别表示时间和对应的价格/成交量数据。
- 为什么普通的 Python 比较不行？
-
问题：在普通的 Python 中，你可能会写这样的代码来判断条件：
python
if dataframe['rsi'] > 30: dataframe['enter_long'] = 1这意思是：如果 RSI（相对强弱指数）大于 30，就设置一个“买入”信号（enter_long = 1）。
-
为什么不行：dataframe['rsi'] 不是单个数字，而是一个包含多个值的序列（Series），比如 [25, 35, 40, ...]。Python 不知道如何直接比较一个序列和数字（> 30），所以会报错：“The truth value of a Series is ambiguous”。
- Pandas 的正确写法：向量化操作
-
解决办法：Pandas 要求你用“向量化”方式来处理整个数据表格，而不是一行一行地检查。
-
正确代码：
python
dataframe.loc[(dataframe['rsi'] > 30), 'enter_long'] = 1 -
解释：
-
dataframe['rsi'] > 30：检查每一行的 RSI 是否大于 30，返回一个布尔序列，比如 [False, True, True, ...]。
-
.loc[...]：Pandas 的定位方法，用来选择满足条件的行。
-
(dataframe['rsi'] > 30)：条件，筛选出 RSI > 30 的行。
-
'enter_long'：目标列，表示“买入信号”。
-
= 1：将满足条件的行的 'enter_long' 列设为 1。
-
-
结果：Dataframe 会多一列 'enter_long'，其中 RSI > 30 的行值为 1，其他行可能是空值（NaN）或默认值（取决于代码逻辑）。
-
用途：Freqtrade 用这一列作为买入信号，假设下一根K线开盘时会进入交易。
- 什么是向量化（Vectorisation）？
-
定义：向量化是指一次性对整个数据集进行操作，而不是用循环一行一行处理。
-
为什么重要：
-
速度快：Pandas 的底层是用 C 语言实现的，向量化操作比 Python 的 for 循环快得多。
-
适合大数据：交易数据可能有成千上万根K线，循环太慢。
-
-
例子：
-
不用循环：dataframe['rsi'] > 30 一次性检查所有行。
-
用循环（不推荐）：
python
for i in range(len(dataframe)): if dataframe['rsi'][i] > 30: dataframe['enter_long'][i] = 1这种写法虽然也能跑，但效率很低。
-
- 总结：这段内容想告诉你什么？
-
核心思想：在 Freqtrade 中，交易策略是通过操作 Dataframe 来实现的。你需要用 Pandas 的向量化方法来设置买卖信号，而不是用普通的 Python 逻辑。
-
实际应用：
-
你可以根据技术指标（比如 RSI、均线等）生成信号列（比如 enter_long、exit_long）。
-
Freqtrade 会根据这些信号自动执行交易。
-
-
建议：避免用循环，尽量用 Pandas 的内置函数和向量化操作来计算指标和信号。
一个简单的例子
假设你的 Dataframe 是这样的：
date rsi
0 2021-11-09 23:25:00 25
1 2021-11-09 23:30:00 35
2 2021-11-09 23:35:00 40
运行：
python
dataframe.loc[(dataframe['rsi'] > 30), 'enter_long'] = 1
结果变成：
date rsi enter_long
0 2021-11-09 23:25:00 25 NaN
1 2021-11-09 23:30:00 35 1.0
2 2021-11-09 23:35:00 40 1.0
Freqtrade 看到 enter_long 是 1 时，就会在下一根K线开盘时买入。
如果你还有具体的问题或代码看不懂的地方，可以告诉我，我再详细解释！