PTrade 数据处理：get_history 接口 fill 参数详解与 NaN 值处理

在 PTrade 中使用 get_history 获取行情数据时，处理缺失值主要依赖于该函数的 fill 参数以及后续对返回数据的 Pandas 处理。

以下是关于如何处理缺失值的详细说明和代码示例。

1. 使用 fill 参数（主要针对分钟级交易环境）

根据 PTrade API 文档，get_history 提供了一个名为 fill 的参数，专门用于控制分钟级别数据获取不到某一时刻数据时的填充方式。

• 参数名：fill
• 可选值：
  • 'nan' (默认值)：使用 NaN (Not a Number) 进行填充。这意味着如果某分钟没有数据，返回的 DataFrame 中对应位置将是空值。
  • 'pre'：使用上一分钟的数据进行填充（即前向填充）。
• 适用范围：文档注明该参数 “仅交易有效”。在回测环境中，引擎通常会自动处理停牌或缺失数据（价格沿用前值，成交量为0）。

2. 停牌数据的默认处理机制

对于日线级别或停牌场景，PTrade 有一套默认的处理逻辑，不受 fill 参数控制：

• 时间轴：不会跳过停牌日期，时间轴严格按照二级市场交易日历。
• 价格：使用停牌前的数据填充（即前向填充）。
• 成交量：填充为 0。

3. 代码示例

以下代码展示了如何在策略中调用 get_history 并使用 fill 参数，以及如何使用 Pandas 对获取后的数据进行二次清洗（适用于 fill='nan' 的情况）。

def initialize(context):
    # 设置股票池
    g.security = '600570.SS'
    set_universe(g.security)

def handle_data(context, data):
    # ------------------------------------------------------------------
    # 方法一：在获取数据时直接指定填充方式 (仅交易模式下分钟线有效)
    # ------------------------------------------------------------------
    
    # 使用 'pre'：如果某分钟缺失，用上一分钟数据填充
    df_pre = get_history(10, frequency='1m', field='close', security_list=g.security, fill='pre')
    log.info("使用 fill='pre' 获取的数据：")
    log.info(df_pre)

    # 使用 'nan'：如果某分钟缺失，保留 NaN
    df_nan = get_history(10, frequency='1m', field='close', security_list=g.security, fill='nan')
    log.info("使用 fill='nan' 获取的数据：")
    log.info(df_nan)

    # ------------------------------------------------------------------
    # 方法二：获取数据后使用 Pandas 进行处理 (通用，推荐)
    # ------------------------------------------------------------------
    
    # 如果使用了默认的 fill='nan'，或者在回测中需要处理 NaN
    if df_nan is not None and not df_nan.empty:
        # 1. 去除包含缺失值的行 (Drop)
        df_dropped = df_nan.dropna()
        
        # 2. 使用前值填充 (Forward Fill) - 类似于 fill='pre'
        # 注意：Python 3.5/Pandas 旧版本中 ffill() 可能不可用，建议使用 fillna(method='ffill')
        df_filled = df_nan.fillna(method='ffill')
        
        # 3. 使用特定值填充 (例如 0)
        df_zero = df_nan.fillna(0)
        
        log.info("Pandas 前向填充后的数据：")
        log.info(df_filled)

    # ------------------------------------------------------------------
    # 停牌股处理逻辑示例
    # ------------------------------------------------------------------
    # 获取日线数据，检查成交量是否为0来判断是否由停牌填充而来
    daily_df = get_history(5, frequency='1d', field=['close', 'volume'], security_list=g.security)
    
    # 检查最后一条数据的成交量
    if daily_df['volume'][-1] == 0:
        log.info("该股票当前可能处于停牌状态（成交量为0，价格沿用前值）")

4. 总结与建议

1. 实盘交易（分钟线）：如果您希望数据连续，建议直接在 get_history 中设置 fill='pre'。如果您需要识别哪些时间点没有成交（例如判断流动性缺失），请使用 fill='nan'。
2. 回测环境：通常不需要手动设置 fill，系统会自动处理停牌数据（价格延续，量为0）。
3. 数据清洗：无论使用哪种方式，建议在策略逻辑中加入对 NaN 或 0成交量 的判断（如 df.dropna() 或 if volume > 0:），以防止策略因脏数据报错。

Q&A

Q: get_history 的 fill 参数在回测模式下起作用吗？
A: 根据 API 文档说明，fill 参数仅在交易模块有效。在回测模式下，PTrade 引擎会自动处理数据对齐和停牌填充（通常是价格前向填充，成交量为0），用户无需手动指定。

Q: 如果我获取的数据中包含 NaN，直接计算移动平均线（MA）会报错吗？
A: 这取决于具体的计算库。Pandas 的 mean() 通常会自动忽略 NaN，但如果 NaN 过多可能导致结果偏差。如果在计算技术指标（如 MACD、RSI）之前存在 NaN，建议先使用 df.fillna(method='ffill') 进行处理，否则指标计算结果可能也是 NaN。

Q: 如何判断某只股票当天是否停牌从而导致数据是填充的？
A: 可以通过 get_history 获取 volume（成交量）字段。如果某只股票在交易时间内 volume 为 0，且非涨跌停导致的无量，通常意味着该股票处于停牌状态。此外，也可以使用 get_stock_status(stocks, 'HALT') 接口直接查询停牌状态。