JoinQuant聚宽中如何引用attribute_history获取的收盘价数据进行计算？

如何将已取得的收盘价格进行计算？

已经用Pn = attribute_history(g.security, count=10,fields=['close'])语句取得前10天的收盘价格，想用来计算，比如每两天求差的绝对值，比如求昨天和前天、前天和3天前、3天前和4天前的收盘价的绝对值（如此循环求完10天的），用abs函数求绝对值也知道了，就是怎么引用这个结构里面的数据？一直没搞明白。请教各位大佬了。我也知道这个问题，问得，唉……

在 JoinQuant (聚宽) 平台中，attribute_history 函数默认返回的是一个 pandas.DataFrame 数据结构。行索引是时间，列索引是你请求的字段（例如 'close'）。

要引用并计算里面的数据，你可以直接利用 pandas 强大的内置方法（推荐，运行效率高），也可以将其转换为数组后使用传统的 for 循环。

以下是具体的解答和代码示例：

1. 理解数据结构

当你执行 Pn = attribute_history(g.security, count=10, fields=['close']) 时，Pn 是一个 DataFrame。你可以通过 Pn['close'] 提取出收盘价这一列，它是一个 pandas.Series 对象。

在这个 Series 中：

• Pn['close'][-1] 代表最后一个数据（即昨天的收盘价）。
• Pn['close'][-2] 代表倒数第二个数据（即前天的收盘价）。

2. 方法一：使用 Pandas 内置函数（强烈推荐）

Pandas 提供了 diff() 函数，专门用来计算相邻元素的差值。结合 abs() 函数，只需一行代码即可完成你想要的操作。

# 获取过去10天的收盘价
Pn = attribute_history(g.security, count=10, fields=['close'])

# 提取 close 列
close_prices = Pn['close']

# 使用 diff() 计算与前一天的差值，然后用 abs() 求绝对值
# diff(1) 表示当前行减去上一行
abs_diff = close_prices.diff(1).abs()

# 打印结果查看
log.info("相邻两天收盘价差的绝对值：\n%s", abs_diff)

# 注意：abs_diff 的第一个元素（最旧的一天）会是 NaN，因为没有更前一天的数据与之相减。
# 如果你想把这些差值提取成一个普通的 Python 列表（去掉第一个 NaN）：
diff_list = abs_diff.dropna().tolist()
log.info("差值列表： %s", diff_list)

3. 方法二：使用传统的 For 循环（符合你的直觉）

如果你更习惯使用循环来处理，可以将数据提取为 numpy 数组或列表，然后通过索引进行计算。

# 获取过去10天的收盘价
Pn = attribute_history(g.security, count=10, fields=['close'])

# 将 close 列的值转换为普通的 Python 列表
close_list = Pn['close'].values.tolist()

# 创建一个空列表来存储差值的绝对值
abs_diff_list = []

# 循环计算（从索引1开始，到最后）
for i in range(1, len(close_list)):
    # 当前天的价格减去前一天的价格，求绝对值
    diff = abs(close_list[i] - close_list[i-1])
    abs_diff_list.append(diff)

log.info("循环计算的差值绝对值列表： %s", abs_diff_list)

总结

• 提取数据：使用 Pn['close'] 获取收盘价序列。
• 获取特定某天：使用 Pn['close'][-1] (昨天), Pn['close'][-2] (前天)。
• 批量计算：在量化交易中，尽量使用 方法一 (Pandas向量化计算)，它的执行速度远快于 Python 的 for 循环，这在回测长周期或多只股票时性能差异非常明显。