过去我们的框架没有一个统一的代码规范，导致每个人的代码都长得不一样，现在新版本不仅规范了框架代码，还需要规范策略代码。
导入父类
通过把 K 线图相关代码拆分出去，我们得到了两个基础策略模版类：
-
pythongo.base.BaseStrategy -
pythongo.ui.BaseStrategy
pythongo.base
本模块定义了完整的策略模版，也封装了从无限易取数据的方法
当我们的策略完全不需要用到 K 线图的时候则导入本模块中的 BaseStrategy，并继承该类
from pythongo.base import BaseStrategy
class Demo(BaseStrategy):
...pythongo.ui
本模块继承自上面 pythongo.base 中的 BaseStrategy，但额外包含了所有的 K 线图代码以及处理逻辑
当我们的策略需要使用到 K 线图的时候则导入本模块中的 BaseStrategy，并继承该类
from pythongo.ui import BaseStrategy
class Demo(BaseStrategy):
...该类会自动处理 K 线图初始化等相关操作，使得所有的策略代码不再需要手动处理线图的启动、显示、关闭等操作
初始化
自定义变量
很多时候我们需要定义一些自定义变量，用来实现策略更复杂的操作，这些变量就是实例变量，我们和正常写代码一样，直接定义在 self.__init__ 中，对于默认值为 None 或者为对象的变量，应该写上类型注释
class Demo(BaseStrategy):
def __init__(self) -> None:
super().__init__()
# 自定义变量
self.global_var_name: str | None = None
self.global_var_int = 1
self.test_string = ""线图指标定义
当我们使用 K 线图组件时，需要定义线图上显示的指标，现在我们有了更方便的定义方法
@property 装饰器可以把一个类方法装饰成类属性，在我们定义线图显示指标的时候，使用这个装饰器再合适不过了，因为每次调用这个属性，都会去使用最新的指标数据，而不需要自己对这个属性做任何赋值操作
下面定义的两个属性，是以方法来定义的，但可以当做属性调用，所以我们可以实现更进阶的操作
主图指标
主图指标使用属性名 main_indicator_data 定义
from pythongo.ui import BaseStrategy
class Demo(BaseStrategy):
def __init__(self) -> None:
super().__init__()
self.fast_ma = 0.0
self.slow_ma = 0.0
@property
def main_indicator_data(self) -> dict[str, float]:
"""主图指标"""
return {
"MA0": self.fast_ma,
"MA1": self.slow_ma,
}副图指标
副图指标使用属性名 sub_indicator_data 定义
from pythongo.ui import BaseStrategy
class Demo(BaseStrategy):
def __init__(self) -> None:
super().__init__()
self.k = 0.0
self.d = 0.0
self.j = 0.0
@property
def sub_indicator_data(self) -> dict[str, float]:
"""副图指标"""
return {
"K": self.k,
"D": self.d,
"J": self.j,
}进阶操作
在上面定义指标的例子中，KDJ 指标还好，如果是 MA 指标，我们软件一般都会显示为 MA10、 MA20 这种带周期的名称，但是在策略中，我们已经把指标名称定义为 MA0 和 MA1，且不会再更改了
这就导致即使我们更改了指标的周期，线图上显示的指标名字还是不会变，我们不能很清楚的知道现在显示的是什么周期的指标
这个时候装饰器就起作用了，还记得我们之前说的：「装饰器可以把一个类方法装饰成类属性」吗？既然我们定义的不是属性，而是方法，那就可以在方法里实现更新指标名称的操作了
from pythongo.base import BaseParams, Field
from pythongo.ui import BaseStrategy
class Params(BaseParams):
"""参数映射模型"""
fast_period: int = Field(default=5, title="快均线周期", ge=2)
slow_period: int = Field(default=20, title="慢均线周期")
class Demo(BaseStrategy):
def __init__(self) -> None:
super().__init__()
self.params_map = Params()
self.fast_ma = 0.0
self.slow_ma = 0.0
@property
def main_indicator_data(self) -> dict[str, float]:
"""主图指标"""
return {
f"MA{self.params_map.fast_period}": self.fast_ma,
f"MA{self.params_map.slow_period}": self.slow_ma,
}这样，从 PythonGO 窗口传进来的快均线周期和慢均线周期就会在 self.main_indicator_data 调用后转成一个新的字典：
{
"MA5": 0.0,
"MA20": 0.0
}其中 5 和 20 是取的参数映射模型中 self.params_map.fast_period 和 self.params_map.slow_period 的值，我们通过 f-string 配合 @property 装饰器，实现了在更改指标周期后，线图上显示的指标名是 MA + 更改后的指标周期
回调函数
在自己编写策略的时候，回调函数应该按照以下顺序定义，使用不到的回调函数允许不定义
from pythongo.base import BaseStrategy
class Demo(BaseStrategy):
def __init__(self) -> None:
super().__init__()
def on_init(self, ...) -> None:
super().on_init(...)
def on_start(self, ...) -> None:
super().on_start(...)
def on_stop(self, ...) -> None:
super().on_stop(...)
def on_tick(self, ...) -> None:
super().on_tick(...)
def on_contract_status(self, ...) -> None:
super().on_contract_status(...)
def on_order(self, ...) -> None:
super().on_order(...)
def on_order_cancel(self, ...) -> None:
super().on_order_cancel(...)
def on_order_trade(self, ...) -> None:
super().on_order_trade(...)
def on_trade(self, ...) -> None:
super().on_trade(...)
def on_error(self, ...) -> None:
super().on_error(...)注意：所有回调函数，一定要使用 super() 来调用父类的回调函数
函数调用
调用函数时，如果函数的参数超过两个，则需要在入参的时候填写参数名，这点在代码规范中已经强调了
def foo(a: int, b: int, c: int) -> int:
return a + b + c
# 正确
foo(a=1, b=2, c=3)
# 错误
foo(1, 2, 3)