PyAlgoTrade是一个开源回测平台，不过它本身支持Python2版本的，而在PyAlgoTrade的一个交流群里，经常有人问它是否支持Python3，于是我就想把它作个Python3版本适配。背景交代完了，我们就来看看怎么来让其支持Python3版本。
iteritems()与items()
在python2中字典的iteritems是返回一个迭代对象，而items是返回一个列表。他们最主要的区别就是迭代对象占用的内存更小，因为它不需要想列表一样一次分配整个列表的所有内存，只需要分配列表中一个元素的内存空间。然而，在python3版本中，items就返回迭代对象，并且去除了iteritems。下面是具体的文件修改：
--- a/pyalgotrade/barfeed/csvfeed.py
+++ b/pyalgotrade/barfeed/csvfeed.py
@@ -178,7 +178,7 @@ class GenericRowParser(RowParser):
# Process extra columns.
extra = {}
- for k, v in csvRowDict.iteritems():
+ for k, v in csvRowDict.items():
if k not in self.__columnNames:
extra[k] = csvutils.float_or_string(v)
sort()的cmp参数
在python2中如果想对字典列表中的某个字段进行对比排序，就需要用到sort()的cmp参数，如：
#python2以age排序
persons=[{'name':'zhang3','age':15},{'name':'li4','age':12}]
#升序
persons.sort(lambda a,b:cmp(a['age'],b['age']))
#降序
persons.sort(lambda a,b:cmp(b['age'],a['age']))
然而在python3.x中取消了cmp参数，也不支持直接往sort()里面传函数了。可以构造排序函数传递给key来实现。
#python3以age排序
persons=[{'name':'zhang3','age':15},{'name':'li4','age':12}]
#升序
persons.sort(key = lambda a:a['age'])
#降序需要传参reverse的值为True
persons.sort(key = lambda a:a['age'],reverse=True)
具体到PyAlgoTrade代码里，修改如下：
--- a/pyalgotrade/barfeed/membf.py
+++ b/pyalgotrade/barfeed/membf.py
@@ -68,15 +68,15 @@ class BarFeed(barfeed.BaseBarFeed):
# Add and sort the bars
self.__bars[instrument].extend(bars)
- barCmp = lambda x, y: cmp(x.getDateTime(), y.getDateTime())
- self.__bars[instrument].sort(barCmp)
+ barCmp = lambda x : x.getDateTime()
+ self.__bars[instrument].sort(key=barCmp)
self.registerInstrument(instrument)
xrange()与range()
在python2中xrange是返回迭代对象，而range是返回列表。而在python3中range返回迭代对象，而xrange被移除。这部分就不上代码了，只需要修改xrange为range就行。
csv库里面的next()方法变更为__next__()
csv库在原python2中的next()方法被重命名为__next__()所以这里修改下名字就行了，具体修改代码如下：
--- a/pyalgotrade/utils/csvutils.py
+++ b/pyalgotrade/utils/csvutils.py
@@ -31,23 +31,23 @@ class FastDictReader(object):
self.__fieldNames = fieldnames
self.reader = csv.reader(f, dialect, *args, **kwargs)
if self.__fieldNames is None:
- self.__fieldNames = self.reader.next()
+ self.__fieldNames = self.reader.__next__()
self.__dict = {}
def __iter__(self):
return self
- def next(self):
+ def __next__(self):
# Skip empty rows.
- row = self.reader.next()
+ row = self.reader.__next__()
while row == []:
- row = self.reader.next()
+ row = self.reader.__next__()
# Check that the row has the right number of columns.
assert(len(self.__fieldNames) == len(row))
# Copy the row values into the dict.
- for i in xrange(len(self.__fieldNames)):
+ for i in range(len(self.__fieldNames)):
self.__dict[self.__fieldNames[i]] = row[i]
return self.__dict
附上用python3跑官方文档单均线的示例：
SMA
备注
- 修改好的代码放在我的github上，点这里传送门
- 为何不提交给上级源？PyAlgoTrade的作者在项目的issue里面回答过，他自己精力有限，没法同时做到两个版本的适配。如果想做两个版本的适配，需要对python版本进行判断，然后调用对应的代码，这个工作量要比只修改为python3版本工作量大许多。同时，还要维护PyAlgoTrade的更新，所以目前官方只支持Python2版本。
