feat: DataFrame 直出(df="polars"/"pandas")+ 0.7.0 (#12)
* feat: DataFrame 直出(df="polars"/"pandas")+ 版本 0.7.0 TdxData 新增构造参数 df: - None(默认)→ 行为与 0.6.x 完全一致,返回 list[dataclass] - "polars"/"pandas" → 42 个表格型接口直接返回 DataFrame 转换层 src/pytdxdata/frames.py: - 列计划按模型缓存,列式采集(不做逐行 asdict) - 时间列替换:year/month/day/hour/minute → datetime + trading_date;Xdxr 给 date - 嵌套定型:bid/ask 展开 10 列、fields 字典 JSON 化、codes 保持列表 - 容器展开:get_indicators 合并指标、get_index_trade_stats 展开 minutes、 get_kline_batch/get_minute_batch 纵向拼接 - ContextVar 层次标记:批量/别名方法内层不二次转换,并发互不干扰 - 后端惰性加载:缺包抛 FrameBackendError(带安装命令),构造时即失败 依赖:新增 extras pandas/polars/dataframe,核心包仍零依赖;dev 组加 pandas+polars 测试:tests/test_frames.py 40 项(双后端×双格式);全量 401 项通过 文档:新增 docs/dataframe.md,同步 API_REFERENCE/SKILL/llms.txt/README/mkdocs * perf(kline): 按日期取K线贴最新时走倒推,1分钟 4.2s → 82ms 问题:start_date/end_date 一律走「探总根数 + 二分定位」。1 分钟 K 线历史 二十万根量级 = 6 次翻倍探测 + 2 次方向探测 + 两次各 ~18 次跳转,共 36+ 次 串行往返。「取今天」这个最常见的调用要 4.2 秒。 改法(_bars_backtrack 快路径): - 右端离最新不超过 _BACKTRACK_GRACE(10 天) 时,直接 start=0, count=N 拿最新 N 根再裁剪;N 按时间跨度估(_BARS_PER_DAY),一天内一次命中, 不够才翻倍,放大到 _BACKTRACK_MAX_BARS 仍不够则回落二分 - 历史中段仍走二分,结果口径完全一致(已逐条比对基准) 两个关键细节: - 偏移方向是通道级属性而非标的属性,首次探测后缓存在实例上 (_kline_dir_cache)——全市场 5,225 只批量只付一次探测成本 - K线 hour/minute 是周期**结束**时刻,最新一根可能比 now() 略大(14:29 那根还在走),「右端贴最新」必须留周期容差,否则 end_date=now() 被误判 成历史中段 实测(1 分钟,冷启动): 取今天 4,208ms → 82ms 2天前~now 2,211ms → 75ms 最近3天 2,000ms+ → 239ms 历史中段 1,512ms → 285ms 全市场5225只取今天 32.1s(1,140,699 根,精确当天口径) 注:route_for 让 MIN_1 一律走 MAC(0x122E),所以按通道做方向缓存而不是按 「标准/扩展」写死分支。 测试:新增 tests/test_kline_date.py 6 项(倒推次数上界、结束时刻容差、 中段回落二分、未来区间、反向通道、与 count 路径口径一致);全量 407 项通过 * perf(kline): 全市场1分钟K线改多连接流水线抓取(43.6s → 5~7s,盘中 2s) 瓶颈其实是**往返次数**不是带宽:单只K线一请求一标的,串行 33ms/只 ≈ 1 个 RTT。 同一台服务器 16 连接 × 深度 8 实测能跑 5.2 MB/s(此前「单 IP 限流 1.5MB/s」 是浅流水下的假象)。 - get_bars 新增 pipeline 参数(None=按单请求字节自适应 8~32,1=关闭走逐只) - 多标的(≥16 只)走 _bulk_bars:多连接 work-stealing + 单连接 execute_pipeline - 只用实测最快的 12 台:池里 24 台全用反而被慢节点拖长尾 - 盘中按交易时段只拉已走过的根数(10:00 → 35 根,数据量差 7 倍) - 标准通道(日线不复权)同样走批量:全市场 49~72s → 13s - 修 pipeline 失败时队列剩余标的静默丢失(实测 20 只只回 16 只) - 修 test_future_range_returns_empty_quickly 时间炸弹(固定日期会漂进 _BACKTRACK_GRACE) - conftest 关闭后台测速 task,避免污染「往返次数」类断言 实测(5,225 只):count=2 → 2.7s;count=35 → 2.2s;count=240 → 6.9s。 逐根一致性 30/30 相同。新增 tests/test_bulk_kline.py 12 项,合计 419 项全绿。 * test: 批量K线测试的时间锚点改用真实 now(CI 是 UTC,固定日期会漂到别的时段分支) * fix(ex): EX 通道 K 线回填成交额与结算价(0x23FF 槽位按市场分两类) 报告:EX 通道 get_bars 返回的 SecurityBar.amount 恒为 0.0。 定位属实,但实际情况比报告更细 —— 32B 记录里那 28B 行情只有**一个** 4B 槽位 可复用,语义按市场分两类(全市场实测,用 成交额/(close×vol) 逐条校验): | 市场 | 槽位5 | 槽位6 | 槽位7 | |---|---|---|---| | 港股主板31/港股基金49 | 成交额(f) | 量(手=100股) | 未知 | | 港股创业板48/新三板44/美股74 | 成交额(f) | 量(股) | 0 | | 期货/期权 7/8/9/47… | 持仓量(I) | 量 | 结算价(f) | 改前 amount 硬编码 0.0、第 7 个 float 用 `_` 丢弃 —— 于是港股/美股/新三板 明明帧内有成交额却全为 0,期货期权的结算价也拿不到。 - 新增 SecurityBar.settle(结算价,float|None):仅 EX 期货/期权日线有值, 分钟线该槽位恒 0 已归一化为 None,其它通道恒 None。 - 权益类市场回填真实 amount;港股主板/基金的 vol 单位是手(=100股), amount/vol 是均价的 100 倍,已写进模型注释与量纲表。 - 期货/期权的 amount 仍是 0.0(帧内确实没有成交额,协议限制), 已在 SecurityBar / API_REFERENCE / llms.txt / SKILL.md 写清, 避免使用者再按旧文档判断成调用方 bug。 - 港股指数27/中证指数62 该槽位量级对不上(既非额也非结算价),保守保持 0.0。 - SecurityBar.__setstate__ 兜底旧磁盘缓存:缓存键无 schema 版本,升级后读旧 pickle 缺 settle 槽位,默认反序列化不补默认值 → AttributeError,已容错; EX K 线缓存键额外加 @v2,让 amount 恒 0 的旧缓存自然失效。 - K 线 DataFrame 因此多一列 settle(0.7.0 未发布,列清单同步更新)。 测试:tests/test_ex_bars_fields.py 16 项(解析层双布局、日内 settle 归零、 API 透传、旧 pickle 兼容);全套 435 项通过。 * docs: 0.7.0 全站口径同步(DataFrame 出口 + EX 成交额限制 + 构造参数表) - 首页:特性表补「DataFrame 直出」与 K 线批量性能,导航新增 DataFrame 卡片, 统一方法数按实测修正为 35(+33 别名 = 68 个公开方法) - 安装页:补 extras(polars/pandas/dataframe)与 df 用法;构造参数表补 df / std_pool_cap / ex_pool_cap,并把 pool_max 默认值从 12 修正为 24(实际值) - 场景示例:`转成 pandas` 一节改为先推 df= 开关,手动转换降级为局部场景 - 数据模型页:不再说「刻意不提供 DataFrame」,改为 dataclass 与 DataFrame 是同一份数据、两种容器 - AI 接入页:返回值约定补 `df=` 开关的说法 - README:K 线列注释补 settle;已知限制补 EX 通道成交额/结算价的协议口径 - CHANGELOG:新增「升级」小节(升级命令、旧缓存无需清理) --------- Co-authored-by: openbot-coder <openbot-coder@users.noreply.github.com>
This commit is contained in:
1 parent
2cf3657f4b
commit
04e0c57569
24 files changed
+3022
-496
No files matched your search
@@ -0,0 +1,166 @@
|
||||
"""K线「按日期区间」取数的路径选择:倒推快路径 vs 二分慢路径。
|
||||
|
||||
背景:二分要先探总根数(翻倍 6 次)再跳 log2(N) 次,1 分钟 K 线约 36 次串行
|
||||
往返 = 4 秒级;而「取今天」「增量到最新」这类贴着右端的请求,倒推只要 1~3 次。
|
||||
"""
|
||||
|
||||
import datetime
|
||||
from unittest import mock
|
||||
|
||||
import pytest
|
||||
|
||||
from pytdxdata import TdxData
|
||||
from pytdxdata.models import KlinePeriod, SecurityBar
|
||||
|
||||
NEWEST = datetime.datetime(2026, 10, 28, 15, 0) # noqa: DTZ001 — 全项目用裸北京时间
|
||||
TOTAL_BARS = 5_000
|
||||
|
||||
|
||||
def _bar(when: datetime.datetime, close: float) -> SecurityBar:
|
||||
return SecurityBar(
|
||||
market=1, code="600000", open=10.0, high=10.1, low=9.9, close=close,
|
||||
vol=1000, amount=10000, year=when.year, month=when.month, day=when.day,
|
||||
hour=when.hour, minute=when.minute)
|
||||
|
||||
|
||||
class _FakeConn:
|
||||
"""标准通道语义替身:**offset 0 = 最新一根**,偏移越大越老。"""
|
||||
|
||||
calls = 0
|
||||
|
||||
def __init__(self, host="s1", port=7709, timeout=10.0):
|
||||
self.host = host
|
||||
self.alive_flag = True
|
||||
|
||||
@property
|
||||
def alive(self):
|
||||
return self.alive_flag
|
||||
|
||||
async def connect(self):
|
||||
pass
|
||||
|
||||
async def close(self):
|
||||
self.alive_flag = False
|
||||
|
||||
async def execute_pipeline(self, cmds, **kwargs):
|
||||
return [await self.execute(c) for c in cmds]
|
||||
|
||||
async def execute(self, cmd):
|
||||
type(self).calls += 1
|
||||
if "GetSecurityBarsCmd" not in type(cmd).__name__:
|
||||
return []
|
||||
rows = []
|
||||
for off in range(cmd.start, min(cmd.start + cmd.count, TOTAL_BARS)):
|
||||
rows.append(_bar(NEWEST - datetime.timedelta(days=off),
|
||||
10.0 + (TOTAL_BARS - off) * 0.01))
|
||||
return rows
|
||||
|
||||
|
||||
class _AscendingConn(_FakeConn):
|
||||
"""方向相反的替身(MAC/EX 语义):offset 0 = **最老**一根。"""
|
||||
|
||||
async def execute(self, cmd):
|
||||
type(self).calls += 1
|
||||
if "GetSecurityBarsCmd" not in type(cmd).__name__:
|
||||
return []
|
||||
rows = []
|
||||
base = datetime.datetime(2020, 1, 1) # noqa: DTZ001
|
||||
for off in range(cmd.start, min(cmd.start + cmd.count, TOTAL_BARS)):
|
||||
rows.append(_bar(base + datetime.timedelta(days=off), 10.0 + off * 0.01))
|
||||
return rows
|
||||
|
||||
|
||||
def _patched(conn_cls):
|
||||
return (
|
||||
mock.patch("pytdxdata.api.get_standard_hosts", return_value=["s1"]),
|
||||
mock.patch("pytdxdata.api.get_mac_hosts", return_value=["m1"]),
|
||||
mock.patch("pytdxdata.pool.pool.TdxConnection",
|
||||
side_effect=lambda h, p=7709, t=10.0: conn_cls(h)),
|
||||
)
|
||||
|
||||
|
||||
async def _fetch(conn_cls, **kwargs):
|
||||
conn_cls.calls = 0
|
||||
p1, p2, p3 = _patched(conn_cls)
|
||||
with p1, p2, p3:
|
||||
td = TdxData(cache_dir=None, pool_min=1, pool_max=2)
|
||||
await td.start()
|
||||
try:
|
||||
bars = await td.get_bars("sh600000", KlinePeriod.DAY, **kwargs)
|
||||
finally:
|
||||
await td.close()
|
||||
return bars, conn_cls.calls
|
||||
|
||||
|
||||
@pytest.mark.asyncio
|
||||
async def test_recent_range_uses_backtrack():
|
||||
"""右端贴最新 → 倒推,往返次数是个位数(不是二分那几十次)。"""
|
||||
bars, calls = await _fetch(
|
||||
_FakeConn, start_date=NEWEST - datetime.timedelta(days=5), end_date=NEWEST)
|
||||
|
||||
# 返回按时间升序 → 偏移由老到新(5,4,...,0)
|
||||
assert [b.datetime.date() for b in bars] == [
|
||||
(NEWEST - datetime.timedelta(days=i)).date() for i in range(5, -1, -1)]
|
||||
assert calls <= 4, f"倒推路径应 1~3 次往返,实际 {calls}"
|
||||
|
||||
|
||||
@pytest.mark.asyncio
|
||||
async def test_end_before_newest_within_one_bar_still_backtracks():
|
||||
"""end 比最新一根略早(K线时间戳是周期结束时刻)仍算贴最新。"""
|
||||
end = NEWEST - datetime.timedelta(minutes=30)
|
||||
bars, calls = await _fetch(
|
||||
_FakeConn, start_date=NEWEST - datetime.timedelta(days=3), end_date=end)
|
||||
|
||||
# offset 0 那根(15:00)晚于 end,被裁掉
|
||||
assert bars[-1].datetime.date() == (NEWEST - datetime.timedelta(days=1)).date()
|
||||
assert calls <= 4
|
||||
|
||||
|
||||
@pytest.mark.asyncio
|
||||
async def test_middle_range_falls_back_to_bisect():
|
||||
"""历史中段倒推够不着左边 → 回落二分,结果仍要正确。"""
|
||||
bars, calls = await _fetch(
|
||||
_FakeConn,
|
||||
start_date=NEWEST - datetime.timedelta(days=100),
|
||||
end_date=NEWEST - datetime.timedelta(days=90))
|
||||
|
||||
assert [b.datetime.date() for b in bars] == [
|
||||
(NEWEST - datetime.timedelta(days=i)).date() for i in range(100, 89, -1)]
|
||||
assert calls > 10, f"中段应走二分(几十次往返),实际只有 {calls}"
|
||||
|
||||
|
||||
@pytest.mark.asyncio
|
||||
async def test_future_range_returns_empty_quickly():
|
||||
# 用相对 now 的未来,别用固定日期:固定日期会随运行日漂进 _BACKTRACK_GRACE
|
||||
# (默认 1 天容差覆盖长假),倒推就成立、会多取一轮,断言随日期时绿时红。
|
||||
future = datetime.datetime.now() + datetime.timedelta(days=5) # noqa: DTZ001
|
||||
bars, calls = await _fetch(_FakeConn, start_date=future)
|
||||
|
||||
assert bars == []
|
||||
assert calls <= 3
|
||||
|
||||
|
||||
@pytest.mark.asyncio
|
||||
async def test_ascending_channel_skips_backtrack():
|
||||
"""offset 0 是最老(MAC/EX 语义)时倒推不成立,必须走二分且结果正确。"""
|
||||
base = datetime.datetime(2020, 1, 1) # noqa: DTZ001
|
||||
bars, calls = await _fetch(
|
||||
_AscendingConn,
|
||||
start_date=base + datetime.timedelta(days=99),
|
||||
end_date=base + datetime.timedelta(days=109))
|
||||
|
||||
assert [b.datetime.date() for b in bars] == [
|
||||
(base + datetime.timedelta(days=i)).date() for i in range(99, 110)]
|
||||
assert calls > 10
|
||||
|
||||
|
||||
@pytest.mark.asyncio
|
||||
async def test_backtrack_matches_plain_count_result():
|
||||
"""倒推裁剪结果 == 直接取一大段再裁剪(两条路径口径必须一致)。"""
|
||||
start = NEWEST - datetime.timedelta(days=7)
|
||||
by_date, _ = await _fetch(_FakeConn, start_date=start, end_date=NEWEST)
|
||||
whole, _ = await _fetch(_FakeConn, count=60)
|
||||
|
||||
expect = [b for b in whole if b.datetime >= start]
|
||||
assert [(b.datetime, b.close) for b in by_date] == \
|
||||
[(b.datetime, b.close) for b in expect]
|
||||
Reference in new issue
Block a user