auto-sync: 2026-04-30 23:07:47

This commit is contained in:
cfdaily
2026-04-30 23:07:47 +08:00
parent 89f546ad77
commit a0934b939b
+39 -33
View File
@@ -4,8 +4,9 @@ DataCatalog - 统一数据访问接口
策略开发者只需通过 DataCatalog 获取数据,
无需关心底层文件路径和存储格式。
4个核心API
核心API
- get_daily() 获取单只股票日线行情
- get_daily_batch() 批量获取多只股票日线行情
- get_stock_list() 获取股票基础信息/指数成分股
- get_test_data() 获取标准测试数据集
- list_available() 查看可用的数据资产
@@ -14,7 +15,7 @@ DataCatalog - 统一数据访问接口
import os
import logging
from pathlib import Path
from typing import Optional, List
from typing import Dict, Optional, List
import pandas as pd
@@ -39,7 +40,7 @@ class DataCatalog:
self.config = DataPlatformConfig(project_root)
# ------------------------------------------------------------------
# F1: get_daily — 单只股票日线行情
# get_daily — 单只股票日线行情
# ------------------------------------------------------------------
def get_daily(
@@ -65,7 +66,6 @@ class DataCatalog:
prefix = "sh" if code.startswith("6") else "sz"
pattern = f"{prefix}{code}_daily.parquet"
# 确定要扫描的年份
if years is None:
scan_years = self._detect_years()
else:
@@ -86,7 +86,6 @@ class DataCatalog:
df["date"] = pd.to_datetime(df["date"])
df = df.sort_values("date").reset_index(drop=True)
# 日期过滤
if start:
df = df[df["date"] >= pd.Timestamp(start)]
if end:
@@ -95,7 +94,36 @@ class DataCatalog:
return df
# ------------------------------------------------------------------
# F1: get_stock_list — 股票列表 / 指数成分股
# get_daily_batch — 批量获取多只股票日线
# ------------------------------------------------------------------
def get_daily_batch(
self,
codes: List[str],
start: Optional[str] = None,
end: Optional[str] = None,
) -> Dict[str, pd.DataFrame]:
"""
批量获取多只股票日线行情
Args:
codes: 股票代码列表,如 ["600519", "000001"]
start: 起始日期 "YYYYMMDD"
end: 结束日期 "YYYYMMDD"
Returns:
dictkey=股票代码, value=DataFrame
"""
result = {}
for code in codes:
try:
result[code] = self.get_daily(code, start=start, end=end)
except FileNotFoundError:
logger.warning("跳过 %s: 数据不存在", code)
return result
# ------------------------------------------------------------------
# get_stock_list — 股票列表 / 指数成分股
# ------------------------------------------------------------------
def get_stock_list(self, index: Optional[str] = None) -> pd.DataFrame:
@@ -104,9 +132,6 @@ class DataCatalog:
Args:
index: 指数代码,如 "hs300"None 返回全部 A 股基础信息
Returns:
DataFrame
"""
if index == "hs300":
fp = self.config.stock_info_dir / "hs300_constituents_latest.csv"
@@ -114,7 +139,6 @@ class DataCatalog:
raise FileNotFoundError(f"沪深300成分股文件不存在: {fp}")
return pd.read_csv(fp)
# 全部 A 股基础信息 —— 找最新的 stock_basic_info 文件
info_dir = self.config.stock_info_dir
candidates = sorted(info_dir.glob("stock_basic_info_raw_*.csv"))
if not candidates:
@@ -122,7 +146,7 @@ class DataCatalog:
return pd.read_csv(candidates[-1])
# ------------------------------------------------------------------
# F1: get_test_data — 标准测试数据集
# get_test_data — 标准测试数据集
# ------------------------------------------------------------------
def get_test_data(self, name: str) -> pd.DataFrame:
@@ -131,18 +155,11 @@ class DataCatalog:
Args:
name: 数据集名称,如 "600519""贵州茅台"
Returns:
DataFrame
Example:
cat.get_test_data("600519") # 茅台252日数据
"""
test_dir = self.config.test_datasets_dir
if not test_dir.exists():
raise FileNotFoundError(f"测试数据集目录不存在: {test_dir}")
# 模糊匹配:文件名包含 code 或 名称
for fp in test_dir.glob("*.csv"):
if name in fp.stem:
return pd.read_csv(fp, parse_dates=["date"])
@@ -153,36 +170,25 @@ class DataCatalog:
)
# ------------------------------------------------------------------
# F2: list_available — 查看可用数据资产
# list_available — 查看可用数据资产
# ------------------------------------------------------------------
def list_available(self) -> dict:
"""
列出所有可用数据资产
Returns:
dict,按类别列出数据概况
"""
"""列出所有可用数据资产"""
result = {}
# 日线行情
daily_dir = self.config.daily_parquet_dir
if daily_dir.exists():
years = sorted(
[d.name for d in daily_dir.iterdir() if d.is_dir() and d.name.isdigit()]
)
result["daily_parquet"] = {
"years": years,
"path": str(daily_dir),
}
result["daily_parquet"] = {"years": years, "path": str(daily_dir)}
# 股票信息
info_dir = self.config.stock_info_dir
if info_dir.exists():
files = [f.name for f in info_dir.iterdir() if f.is_file()]
result["stock_info"] = {"files": files, "path": str(info_dir)}
# 测试数据
test_dir = self.config.test_datasets_dir
if test_dir.exists():
datasets = [f.stem for f in test_dir.glob("*.csv")]
@@ -198,7 +204,7 @@ class DataCatalog:
"""自动检测可用的年份目录"""
daily_dir = self.config.daily_parquet_dir
if not daily_dir.exists():
return [2024, 2025] # 合理兜底
return [2024, 2025]
return sorted(
int(d.name)
for d in daily_dir.iterdir()