# 外部数据和 Python 模块
# 引入自己的 Python 模块
我们已提供了不少丰富的第三方 Python 库可以用，如果你还有引入自己的 Python 模块的需求的话可以通过 IPython 研究平台新建一个 python 文件，写好自己的 python 库，然后在回测以及实盘模拟交易这边 import 来实现：
步骤很简单，只需 3 步：
在研究平台新建一个文本：
点击名字，修改为 xxx.py, 比如本次例子修改为 frank.py (一定要以.py 结尾哦！)
文件中写入自己的代码，（需要注意，如果调用研究函数需要 from rqdatac import * ）然后保存：
在策略中调用你的自定义库。首先"import xxx"，这里面就不需要打.py 了，只需要库的名字就好，然后就这么完成了！
# 目前支持的 Python 模块
我们现在支持如下表格所列的多种强大的 Python 模块，您需要手动自己引入，比如可以打入以下代码来支持引入 pandas 模块：
import pandas as pd
df = pd.DataFrame(xxxx)
您可以引入我们目前支持的 Python 模块来做各种神奇的数据处理。
如果您有自己擅长和特别喜欢的 Python 模块希望我们支持， 请让我们知道
下面的列表是现在 Ricequant 已经支持的 Python 模块：
| 模块名 | 版本号 | 简介 | 文档链接 |
|---|---|---|---|
| talib | 0.4.17 | TA-Lib 是一个被交易员/程序员常用的金融数据技术分析库。包含了超过 150+的技术指标比如 ADX,MACD,RSI,Stochastic,Bollinger Bands 等 | TA-Lib 官网 |
| pandas | 0.24.2 | 最流行的 Python 数据分析库 | pandas 文档 |
| numpy | 1.16.4 | numpy 是一个 Python 的科学计算基础库。 | numpy 文档 |
| scipy | 1.2.1 | SciPy 是一个 Python 的数学、科学和工程计算的生态系统库。 | scipy 文档 |
| statsmodels | 0.8.0 | Statsmodels 是一个 Python 的模块可以让您研究数据，构架统计模型和进行统计测试。功能包括：线性回归模型（Linear regression models）等 | statsmodels 文档 |
| bisect | 0.0.1 | Python 的排序模块 | bisect 文档 |
| sklearn | 0.18.1 | Python 的机器学习模块（machine learning） | sklearn 文档 |
| hmmlearn | 0.2.0 | Python 的隐马尔可夫模型（Hidden Markov Models）模块，类似 scikit-learn 的 API | hmmlearn 文档 |
| hsmmlearn | 0.1.0 | Python 的无监督学习隐马尔可夫模型（Hidden Markov Models）模块，类似 scikit-learn 的 API | hsmmlearn 文档 |
| pykalman | 0.9.5 | 超级简单的卡尔曼滤波（Kalman Filter）, Kalman Smoother 和 EM 模块 | pykalman 文档 |
| cvxopt | 1.1.8 | cvxopt 提供了凸优化（convex optimization）的解的 python 库。 | cvxopt 文档 |
| arch | 4.0 | arch 提供了 Univariate volatility 模型，Bootstrapping 和 Multiple comparison procedures | arch 文档 |
| dateutil | 2.7.2 | dateutil 模块提供了对标准的 datetime 模块的强大的拓展 | dateutil 文档 |
| Edward | - | 一个用于概率建模、推理和评估的 Python 库,融合了以下三个领域：贝叶斯统计学和机器学习、深度学习、概率编程 | Edward 文档 |
| Funcat | 0.3.2 | 将同花顺、通达信、文华财经等的公式移植到了 Python 中 | Funcat 文档 |
| datetime | - | - | datetime 文档 |
| functools | - | - | functools 文档 |
| heapq | - | - | heapq 文档 |
| pywt | - | PyWavelets 是一个 Python 的小波变换的库 | pywt 文档 |
| tensorflow | 1.7.0 | Tensor flow is an open source software library for machine intelligence. | tensorflow 文档 |
| tushare | 1.0.2 | 国内流行的开源数据库，燥起来吧，各种数据。 | tushare 网站 |
| pybrain | 0.3.1 | pybrain 是一个流行的机器学习库。PyBrain is a modular Machine Learning Library for Python. | pybrain 文档 |
| nltk | 3.2.4 | 一个流行的人类语言分析库。 | nltk 文档 |
| keras | 2.0.2 | Theano 和 Tensorflow 的深度学习库。 | keras 文档 |
| requests | 2.18.4 | 易用的 HTTP 库 | requests 文档 |
| bs4 | 0.0.1 | beautifulsoup 是网页爬取数据的利器！ | beautifulsoupd 文档 |
| lxml | 3.7.2 | 处理 XML 和 HTML 的最好用的 python 库 | lxml 中文文档 |
| urllib | 1.22 | python 自带的 url 处理库 | urllib 文档 |
| xgboost | 0.71 | 速度快效果好的 boosting 模型 | xgboost 文档 |
| plotly | 2.5.1 | 强大优美的图表库，支持三种不同类型的图表，包括地图，箱形图和密度图，以及更常见的产品如，条状和线形图 | plotly 文档 |
| fbprophet | 0.2.1 | 简单强大的数据预测工具包 | Prophet 使用指南 |
| pytorch | 0.2.0.post3 | 流行的神经网络工具包 | Pytorch 文档 |
| sonnet | 1.13 | 基于 tensorflow 快速构建神经网络的工具 | sonnet 文档 |
| itertools | 4.1.0 | itertools 文档 | |
| math | - | math 文档 | |
| pytz | 2016.10 | pytz 文档 | |
| queue | - | queue 文档 | |
| random | - | random 文档 | |
| re | - | re 文档 | |
| time | - | time 文档 | |
| array | - | array 文档 | |
| copy | - | copy 文档 | |
| json | - | json 文档 | |
| operator | - | operator 文档 | |
| xml | - | xml 文档 |
← 策略实例