JoinQuant量化策略中读取自定义CSV文件并转换为DataFrame的完整指南

在 JoinQuant（聚宽）的回测或模拟交易环境中，不能直接使用 pandas.read_csv('文件路径') 来读取您在研究环境中上传的私有文件。出于安全和环境隔离的考虑，您必须使用聚宽提供的专用 API read_file() 来读取文件内容。

使用 read_file() 读取文件后，它返回的是文件的原始内容（字节流或字符串）。为了将其转换为 pandas.DataFrame 以便进行数据处理，您需要借助 Python 的 io 模块（如 BytesIO 或 StringIO）将内容包装成一个类文件对象，然后再传递给 pandas.read_csv()。

以下是具体的转换方法及代码示例：

Python 3 环境（推荐，当前主流）

在 Python 3 环境下，read_file() 返回的通常是 bytes 类型，因此需要使用 six.BytesIO 或 io.BytesIO：

import pandas as pd
from six import BytesIO
# 或者直接使用内置库: from io import BytesIO

def initialize(context):
    # 1. 使用 read_file 读取研究环境根目录下的 csv 文件
    body = read_file("your_file.csv")
    
    # 2. 使用 BytesIO 将字节流包装为文件对象，并用 pandas 读取
    df = pd.read_csv(BytesIO(body))
    
    # 打印查看前5行数据
    log.info("\n" + str(df.head()))
    
    # 将 dataframe 存入全局变量 g 中以便在 handle_data 中使用
    g.my_data = df

Python 2 环境（旧版兼容）

如果您使用的是 Python 2 环境，read_file() 返回的是字符串，需要使用 six.StringIO：

import pandas as pd
from six import StringIO

def initialize(context):
    # 1. 读取文件内容
    body = read_file("your_file.csv")
    
    # 2. 转换为 DataFrame
    df = pd.read_csv(StringIO(body))
    
    log.info("\n" + str(df.head()))

注意事项：

1. 文件位置：确保您的 CSV 文件已经上传到了聚宽的投资研究模块的根目录（或对应的相对路径下）。read_file(path) 中的 path 是相对于您私有空间根目录的相对路径。
2. 编码问题：如果您的 CSV 文件包含中文字符，在读取时可能会遇到编码报错。可以在 pd.read_csv 中指定编码格式，例如：pd.read_csv(BytesIO(body), encoding='utf-8') 或 encoding='gbk'。
3. 性能考量：建议在 initialize 或 before_trading_start 等初始化函数中读取和解析文件，并将其存储在全局变量 g 中，避免在 handle_data（每分钟/每天执行）中频繁读取文件，以提升策略运行效率。