答读者问为免费文章，不计入专栏里面。
理解line是理解backtrader的基础，backtrader是一个事件驱动的量化框架，基于元编程技术，形成了line的数据结果；在前面的文章中如何使用技术指标中，已经讲过如何理解line这种backtrader的数据结构了，但是可能还是有一部分读者对这个数据结构不太了解。
backtrader和excel表格的关系
事件驱动的核心本质是一样的，都是基于事件(数据)的更新，不断更新相关的量。backtrader本身的底层结构看起来比较抽象，但是，如果我们把backtrader和excel表格对比，对于backtrader的认识，就会瞬间提高很多。
backtrader的datas相当于一个文件名是datas的excel表格，每个data就相当于一个工作簿，data中的open、high、low、close等line就相当于工作簿的一个个列
strategy中的next每次运行相当于指向了excel表格中的下一行，用下一行代表当前行；举例说明，如果当前行是2021年6月14日，此时，data.close[0]是数据2021年6月14日的，此时，excel表格中相当于以2021年6月14日所在的行作为当前行；然后next运行一次，下个数据的日期是2021年6月15日，那么，data.close[0]就指向了2021年6月15日的bar的收盘价，excel中，当前行的index会增加1，以2021年6月15日作为当前行。
这样理解之后，会不会对backtrader的line的数据结构理解的更清晰？
backtrader的line数据结构的相关操作
如何获取line的一个值
0获取的是当前的值，如close[0]是当前bar的收盘价
-1获取的是前一个bar的值，如close[-1]是前一个bar的收盘价
1获取的是后一个bar的值，如close[1]获取的是下一个bar的收盘价，如果是最后一个bar，就会报IndexError的错误，如果使用这个，就要避免报错导致的程序中断，另外，下个bar的信息是未来数据，要慎用；在实盘的时候，是不存在下个bar的数据的，仅仅只能用于回测之中。
如何获取line的多个值
line是一个特殊的数据结构，获取line的多个值，和python的切片有所不同。举例说明，要想获取line里面的最近的10个值，需要使用line[-9:0],line[0]也在切片的数据中；python中line[-9:]是获取的最后的9个数值，和backtrader不一样。
backtrader定义了一个get的函数，用于获取过去的值，close.get(ago=0,size=10),代表获取从当前值开始的最近的10个收盘价；close.get(ago=-1,size=20)代表获取从前一个bar开始的20个收盘价。
如何获取一个line的长度
有两种不同的line的长度，一种是len，这个是backtrader已经处理过的数据的长度；一种是buflen(),这个是backtrader预先加载的数据的长度。
len(line):计算出backtrader已经处理(运行)的长度，如prenext,next等运行的长度
line.buflen()计算的是backtrader加载的line的总的数目
一般情况下，是buflen大于len,如果两者想等了，可能是这个bar是最后一个bar；也有可能是某些情况下的实盘交易造成的。
line之间如何进行逻辑操作
backtrader自己集成了一些常见的操作
bt.And(a,b):a和b都是真的时候，才返回真值，值也是line
bt.Or(a,b):a和b一个是真的时候，就返回真值,值也是line
bt.If(cond,a,b):如果cond成立，返回a,否则，返回b,值是line
bt.Any、bt.All、bt.Cmp、bt.Max、bt.Min、bt.Sum和python中的any、all、cmp、max、min、sum类似
这些改写的函数，可以对line进行的操作，是向量形式的操作，返回的新的结果也是line
并且可以自己定义相应的操作方法，比如想要对一个line的每一个值取绝对值，除了可以直接用abs(line)之外，还可以继承Logic,自己实现相应的类，如
""" # 需要把这个类放到backtrader中的functions文件中 class Abs(Logic): def __init__(self, a): super(Abs, self).__init__(a) self.a = self.args[0] def next(self): self[0] = abs(self.a[0]) def once(self, start, end): # cache python dictionary lookups dst = self.array srca = self.a.array for i in range(start, end): dst[i] = abs(srca[i]) """import pandas as pdimport numpy as npimport backtrader as bt import datetime class SmaStrategy(bt.Strategy): def log(self, txt, dt=None): ''' log信息的功能''' dt = dt or self.datas[0].datetime.date(0) print('%s, %s' % (dt.isoformat(), txt)) def __init__(self): # 一般用于计算指标或者预先加载数据，定义变量使用 self.bar_num = 0 self.diff_price = bt.Abs(self.datas[0].close - self.datas[0].open) def next(self): self.log(f"len:{len(self.datas[0].close)},buflen:{self.datas[0].close.buflen()}") self.log(self.diff_price[0]) # 添加cerebrocerebro = bt.Cerebro()# 添加策略cerebro.addstrategy(SmaStrategy)# 准备数据 params = dict( fromdate = datetime.datetime(2005,1,4), todate = datetime.datetime(2020,8,3), timeframe = bt.TimeFrame.Days, compression = 1, #dtformat=('%Y-%m-%d %H:%M:%S'), # tmformat=('%H:%M:%S'), datetime=0, high=2, low=3, open=1, close=4, volume=5, openinterest=6)# 数据的地址，使用自己的数据地址 data_path = '/home/yun/data/stock/index.csv'df = pd.read_csv(data_path,encoding='gbk')df.columns = ['datetime','open','high','low','close','volume','openinterest']df['datetime']=pd.to_datetime(df['datetime'])df = df.sort_values("datetime")df.index=pd.to_datetime(df['datetime'])df=df[['open','high','low','close','volume','openinterest']]feed = bt.feeds.PandasDirectData(dataname=df,**params)# 添加合约数据cerebro.adddata(feed, name = "index")cerebro.broker.setcommission(commission=0.0005) # 添加资金cerebro.broker.setcash(100000.0) # 开始运行cerebro.run() # 打印相关信息cerebro.plot()
写作这篇文章，使用两个晚上，共用89分钟。
智慧、心灵、财富，总要有一个在路上，愿我们能在人生的道路上，不断成长、不断成熟～～～
感兴趣可以关注我的专栏：
my_quant_study_note：分享一些关于量化投资、量化交易相关的思考
backtrader量化投资回测与交易：本专栏免费，分享backtrader相关的内容。
量化投资神器-backtrader源码解析-从入门到精通：本专栏目前收费299元，预计更新100篇策略(更新中)+36篇backtrader讲解(已完成)+backtrader源码分析。
系统当前共有 404 篇文章