expr-codegen 0.6.5__tar.gz → 0.7.1__tar.gz

{expr_codegen-0.6.5 → expr_codegen-0.7.1}/PKG-INFO

@@ -1,6 +1,6 @@
 Metadata-Version: 2.1
 Name: expr_codegen
-Version: 0.6.5
+Version: 0.7.1
 Summary: symbol expression to polars expression tool
 Author-email: wukan <wu-kan@163.com>
 License: BSD 3-Clause License
@@ -78,30 +78,46 @@ https://exprcodegen.streamlit.app
 ## 使用示例
 
 ```python
+import sys
+
+# from polars_ta.prefix.talib import *  # noqa
+from polars_ta.prefix.cdl import *  # noqa
+from polars_ta.prefix.ta import *  # noqa
+from polars_ta.prefix.tdx import *  # noqa
+from polars_ta.prefix.wq import *  # noqa
+
 from expr_codegen.tool import codegen_exec
 
 
-def _code_block_():
-    # 因子编辑区，可利用IDE的智能提示在此区域编辑因子
+def _code_block_1():
+   # 因子编辑区，可利用IDE的智能提示在此区域编辑因子
+   LOG_MC_ZS = cs_mad_zscore(log1p(market_cap))
 
-    # 会在生成的代码中自动导入
-    from polars_ta.wq import cs_mad_zscore_resid
 
-    # 1. 下划线开头的变量只是中间变量，最终输出时会被剔除
-    _a = ts_returns(CLOSE, 1)
-    _b = ts_sum(min_(_a, 0) ** 2, 20)
-    _c = ts_sum(max_(_a, 0) ** 2, 20)
-    _d = ts_sum(_a ** 2, 20)
-    _e = (_b - _c) / _d
-    # 2. 下划线开头的变量可以重复使用。 多个复杂因子多行书写时有重复中间变时不再冲突
-    # 3. 下划线开头的变量循环赋值。 在调试时可快速用注释进行切换了
-    _e = cs_mad_zscore_resid(_e, LOG_MC_ZS, ONE)
-    RSJ = _e
+def _code_block_2():
+   # 模板中已经默认导入了from polars_ta.prefix下大量的算子，但
+   # talib在模板中没有默认导入。这种写法可实现在生成的代码中导入
+   from polars_ta.prefix.talib import ts_LINEARREG_SLOPE  # noqa
 
+   # 1. 下划线开头的变量只是中间变量,会被自动更名，最终输出时会被剔除
+   # 2. 下划线开头的变量可以重复使用。多个复杂因子多行书写时有重复中间变时不再冲突
+   _avg = ts_mean(corr, 20)
+   _std = ts_std_dev(corr, 20)
+   _beta = ts_LINEARREG_SLOPE(corr, 20)
 
-df = None  # 替换成真实的polars数据
-df = codegen_exec(_code_block_, df, output_file="output.py")
+   # 3. 下划线开头的变量有环循环赋值。在调试时可快速用注释进行切换
+   _avg = cs_mad_zscore_resid(_avg, LOG_MC_ZS, ONE)
+   _std = cs_mad_zscore_resid(_std, LOG_MC_ZS, ONE)
+   # _beta = cs_mad_zscore_resid(_beta, LOG_MC_ZS, ONE)
 
+   _corr = cs_zscore(_avg) + cs_zscore(_std)
+   CPV = cs_zscore(_corr) + cs_zscore(_beta)
+
+
+df = None  # 替换成真实的polars数据
+df = codegen_exec(df, _code_block_1, _code_block_2, output_file=sys.stdout)  # 打印代码
+df = codegen_exec(df, _code_block_1, _code_block_2, output_file="output.py")  # 保存到文件
+df = codegen_exec(df, _code_block_1, _code_block_2)  # 只执行，不保存代码
 
 ```
 
@@ -112,9 +128,7 @@ df = codegen_exec(_code_block_, df, output_file="output.py")
 ├─data
 │      prepare_date.py # 准备数据
 ├─examples
-│      alpha101.txt # WorldQuant Alpha101示例，可复制到`streamlit`应用
-│      demo_cn.py # 中文注释示例。演示如何将表达式转换成代码
-│      demo_express.py # 速成示例
+│      demo_express.py # 速成示例。演示如何将表达式转换成代码
 │      demo_exec_pl.py # 演示调用转换后代码并绘图
 │      demo_transformer.py # 演示将第三方表达式转成内部表达式
 │      output.py # 结果输出。可不修改代码，直接被其它项目导入
@@ -171,7 +185,7 @@ df = codegen_exec(_code_block_, df, output_file="output.py")
 
 ## 二次开发
 
-1. 备份后编辑`demo_cn.py`, `import`需要引入的函数
+1. 备份后编辑`demo_express.py`, `import`需要引入的函数
 2. 然后`printer.py`有可能需要添加对应函数的打印代码
     - 注意：需要留意是否要加括号`()`，不加时可能优先级混乱，可以每次都加括号，也可用提供的`parenthesize`简化处理
 
@@ -193,58 +207,42 @@ df = codegen_exec(_code_block_, df, output_file="output.py")
 
 以上三种问题本项目都使用`ast`进行了处理，可以简化使用
 
-## 示例片段
+## 转译结果示例
 
-需要转译的部分公式，详细代码请参考 [Demo](examples/demo_cn.py)
-
-```python
-exprs_src = {
-    "expr_1": -ts_corr(cs_rank(ts_mean(OPEN, 10)), cs_rank(ts_mean(CLOSE, 10)), 10),
-    "expr_2": cs_rank(ts_mean(OPEN, 10)) - abs_(log(ts_mean(CLOSE, 10))) + gp_rank(sw_l1, CLOSE),
-    "expr_3": ts_mean(cs_rank(ts_mean(OPEN, 10)), 10),
-    "expr_4": cs_rank(ts_mean(cs_rank(OPEN), 10)),
-    "expr_5": -ts_corr(OPEN, CLOSE, 10),
-}
-```
-
-转译后的代码片段，详细代码请参考[Polars版](codes)
+转译后的代码片段，详细代码请参考[Polars版](examples/output_polars.py)
 
 ```python
 def func_0_ts__asset(df: pl.DataFrame) -> pl.DataFrame:
-    df = df.sort(by=[_DATE_])
-    # ========================================
-    df = df.with_columns(
-        _x_0=1 / ts_delay(OPEN, -1),
-        LABEL_CC_1=(-CLOSE + ts_delay(CLOSE, -1)) / CLOSE,
-    )
-    # ========================================
-    df = df.with_columns(
-        LABEL_OO_1=_x_0 * ts_delay(OPEN, -2) - 1,
-        LABEL_OO_2=_x_0 * ts_delay(OPEN, -3) - 1,
-    )
-    return df
+   df = df.sort(by=[_DATE_])
+   # ========================================
+   df = df.with_columns(
+      _x_0=1 / ts_delay(OPEN, -1),
+      LABEL_CC_1=(-CLOSE + ts_delay(CLOSE, -1)) / CLOSE,
+   )
+   # ========================================
+   df = df.with_columns(
+      LABEL_OO_1=_x_0 * ts_delay(OPEN, -2) - 1,
+      LABEL_OO_2=_x_0 * ts_delay(OPEN, -3) - 1,
+   )
+   return df
 ```
 
 转译后的代码片段，详细代码请参考[Pandas版](examples/output_pandas.py)
 
 ```python
 def func_2_cs__date(df: pd.DataFrame) -> pd.DataFrame:
-    # expr_4 = cs_rank(x_7)
-    df["expr_4"] = (df["x_7"]).rank(pct=True)
-    return df
+   # expr_4 = cs_rank(x_7)
+   df["expr_4"] = (df["x_7"]).rank(pct=True)
+   return df
 
 
 def func_3_ts__asset__date(df: pd.DataFrame) -> pd.DataFrame:
-    # expr_5 = -ts_corr(OPEN, CLOSE, 10)
-    df["expr_5"] = -(df["OPEN"]).rolling(10).corr(df["CLOSE"])
-    # expr_6 = ts_delta(OPEN, 10)
-    df["expr_6"] = df["OPEN"].diff(10)
-    return df
-
+   # expr_5 = -ts_corr(OPEN, CLOSE, 10)
+   df["expr_5"] = -(df["OPEN"]).rolling(10).corr(df["CLOSE"])
+   # expr_6 = ts_delta(OPEN, 10)
+   df["expr_6"] = df["OPEN"].diff(10)
+   return df
 
-df = df.sort_values(by=["asset", "date"]).groupby(by=["asset"], group_keys=False).apply(func_0_ts__asset__date)
-df = df.groupby(by=["date"], group_keys=False).apply(func_0_cs__date)
-df = func_0_cl(df)
 ```
 
 ## 本地部署交互网页

{expr_codegen-0.6.5 → expr_codegen-0.7.1}/README.md

@@ -28,30 +28,46 @@ https://exprcodegen.streamlit.app
 ## 使用示例
 
 ```python
+import sys
+
+# from polars_ta.prefix.talib import *  # noqa
+from polars_ta.prefix.cdl import *  # noqa
+from polars_ta.prefix.ta import *  # noqa
+from polars_ta.prefix.tdx import *  # noqa
+from polars_ta.prefix.wq import *  # noqa
+
 from expr_codegen.tool import codegen_exec
 
 
-def _code_block_():
-    # 因子编辑区，可利用IDE的智能提示在此区域编辑因子
+def _code_block_1():
+   # 因子编辑区，可利用IDE的智能提示在此区域编辑因子
+   LOG_MC_ZS = cs_mad_zscore(log1p(market_cap))
 
-    # 会在生成的代码中自动导入
-    from polars_ta.wq import cs_mad_zscore_resid
 
-    # 1. 下划线开头的变量只是中间变量，最终输出时会被剔除
-    _a = ts_returns(CLOSE, 1)
-    _b = ts_sum(min_(_a, 0) ** 2, 20)
-    _c = ts_sum(max_(_a, 0) ** 2, 20)
-    _d = ts_sum(_a ** 2, 20)
-    _e = (_b - _c) / _d
-    # 2. 下划线开头的变量可以重复使用。 多个复杂因子多行书写时有重复中间变时不再冲突
-    # 3. 下划线开头的变量循环赋值。 在调试时可快速用注释进行切换了
-    _e = cs_mad_zscore_resid(_e, LOG_MC_ZS, ONE)
-    RSJ = _e
+def _code_block_2():
+   # 模板中已经默认导入了from polars_ta.prefix下大量的算子，但
+   # talib在模板中没有默认导入。这种写法可实现在生成的代码中导入
+   from polars_ta.prefix.talib import ts_LINEARREG_SLOPE  # noqa
 
+   # 1. 下划线开头的变量只是中间变量,会被自动更名，最终输出时会被剔除
+   # 2. 下划线开头的变量可以重复使用。多个复杂因子多行书写时有重复中间变时不再冲突
+   _avg = ts_mean(corr, 20)
+   _std = ts_std_dev(corr, 20)
+   _beta = ts_LINEARREG_SLOPE(corr, 20)
 
-df = None  # 替换成真实的polars数据
-df = codegen_exec(_code_block_, df, output_file="output.py")
+   # 3. 下划线开头的变量有环循环赋值。在调试时可快速用注释进行切换
+   _avg = cs_mad_zscore_resid(_avg, LOG_MC_ZS, ONE)
+   _std = cs_mad_zscore_resid(_std, LOG_MC_ZS, ONE)
+   # _beta = cs_mad_zscore_resid(_beta, LOG_MC_ZS, ONE)
 
+   _corr = cs_zscore(_avg) + cs_zscore(_std)
+   CPV = cs_zscore(_corr) + cs_zscore(_beta)
+
+
+df = None  # 替换成真实的polars数据
+df = codegen_exec(df, _code_block_1, _code_block_2, output_file=sys.stdout)  # 打印代码
+df = codegen_exec(df, _code_block_1, _code_block_2, output_file="output.py")  # 保存到文件
+df = codegen_exec(df, _code_block_1, _code_block_2)  # 只执行，不保存代码
 
 ```
 
@@ -62,9 +78,7 @@ df = codegen_exec(_code_block_, df, output_file="output.py")
 ├─data
 │      prepare_date.py # 准备数据
 ├─examples
-│      alpha101.txt # WorldQuant Alpha101示例，可复制到`streamlit`应用
-│      demo_cn.py # 中文注释示例。演示如何将表达式转换成代码
-│      demo_express.py # 速成示例
+│      demo_express.py # 速成示例。演示如何将表达式转换成代码
 │      demo_exec_pl.py # 演示调用转换后代码并绘图
 │      demo_transformer.py # 演示将第三方表达式转成内部表达式
 │      output.py # 结果输出。可不修改代码，直接被其它项目导入
@@ -121,7 +135,7 @@ df = codegen_exec(_code_block_, df, output_file="output.py")
 
 ## 二次开发
 
-1. 备份后编辑`demo_cn.py`, `import`需要引入的函数
+1. 备份后编辑`demo_express.py`, `import`需要引入的函数
 2. 然后`printer.py`有可能需要添加对应函数的打印代码
     - 注意：需要留意是否要加括号`()`，不加时可能优先级混乱，可以每次都加括号，也可用提供的`parenthesize`简化处理
 
@@ -143,58 +157,42 @@ df = codegen_exec(_code_block_, df, output_file="output.py")
 
 以上三种问题本项目都使用`ast`进行了处理，可以简化使用
 
-## 示例片段
+## 转译结果示例
 
-需要转译的部分公式，详细代码请参考 [Demo](examples/demo_cn.py)
-
-```python
-exprs_src = {
-    "expr_1": -ts_corr(cs_rank(ts_mean(OPEN, 10)), cs_rank(ts_mean(CLOSE, 10)), 10),
-    "expr_2": cs_rank(ts_mean(OPEN, 10)) - abs_(log(ts_mean(CLOSE, 10))) + gp_rank(sw_l1, CLOSE),
-    "expr_3": ts_mean(cs_rank(ts_mean(OPEN, 10)), 10),
-    "expr_4": cs_rank(ts_mean(cs_rank(OPEN), 10)),
-    "expr_5": -ts_corr(OPEN, CLOSE, 10),
-}
-```
-
-转译后的代码片段，详细代码请参考[Polars版](codes)
+转译后的代码片段，详细代码请参考[Polars版](examples/output_polars.py)
 
 ```python
 def func_0_ts__asset(df: pl.DataFrame) -> pl.DataFrame:
-    df = df.sort(by=[_DATE_])
-    # ========================================
-    df = df.with_columns(
-        _x_0=1 / ts_delay(OPEN, -1),
-        LABEL_CC_1=(-CLOSE + ts_delay(CLOSE, -1)) / CLOSE,
-    )
-    # ========================================
-    df = df.with_columns(
-        LABEL_OO_1=_x_0 * ts_delay(OPEN, -2) - 1,
-        LABEL_OO_2=_x_0 * ts_delay(OPEN, -3) - 1,
-    )
-    return df
+   df = df.sort(by=[_DATE_])
+   # ========================================
+   df = df.with_columns(
+      _x_0=1 / ts_delay(OPEN, -1),
+      LABEL_CC_1=(-CLOSE + ts_delay(CLOSE, -1)) / CLOSE,
+   )
+   # ========================================
+   df = df.with_columns(
+      LABEL_OO_1=_x_0 * ts_delay(OPEN, -2) - 1,
+      LABEL_OO_2=_x_0 * ts_delay(OPEN, -3) - 1,
+   )
+   return df
 ```
 
 转译后的代码片段，详细代码请参考[Pandas版](examples/output_pandas.py)
 
 ```python
 def func_2_cs__date(df: pd.DataFrame) -> pd.DataFrame:
-    # expr_4 = cs_rank(x_7)
-    df["expr_4"] = (df["x_7"]).rank(pct=True)
-    return df
+   # expr_4 = cs_rank(x_7)
+   df["expr_4"] = (df["x_7"]).rank(pct=True)
+   return df
 
 
 def func_3_ts__asset__date(df: pd.DataFrame) -> pd.DataFrame:
-    # expr_5 = -ts_corr(OPEN, CLOSE, 10)
-    df["expr_5"] = -(df["OPEN"]).rolling(10).corr(df["CLOSE"])
-    # expr_6 = ts_delta(OPEN, 10)
-    df["expr_6"] = df["OPEN"].diff(10)
-    return df
-
+   # expr_5 = -ts_corr(OPEN, CLOSE, 10)
+   df["expr_5"] = -(df["OPEN"]).rolling(10).corr(df["CLOSE"])
+   # expr_6 = ts_delta(OPEN, 10)
+   df["expr_6"] = df["OPEN"].diff(10)
+   return df
 
-df = df.sort_values(by=["asset", "date"]).groupby(by=["asset"], group_keys=False).apply(func_0_ts__asset__date)
-df = df.groupby(by=["date"], group_keys=False).apply(func_0_cs__date)
-df = func_0_cl(df)
 ```
 
 ## 本地部署交互网页

expr_codegen-0.7.1/expr_codegen/_version.py

@@ -0,0 +1 @@
+__version__ = "0.7.1"

{expr_codegen-0.6.5 → expr_codegen-0.7.1}/expr_codegen/codes.py

@@ -51,7 +51,8 @@ class SympyTransformer(ast.NodeTransformer):
 
         # 赋值给下划线开头代码时，对其进行重命名，方便重复书写表达式时不冲突
         if old_target_id.startswith('_'):
-            new_target_id = f'{old_target_id}_{len(self.targets_new):03d}'
+            # 减少与cse中_x_冲突
+            new_target_id = f'{old_target_id}_{len(self.targets_new)}_'
 
         if old_target_id != new_target_id:
             self.targets_new.add(new_target_id)
@@ -149,6 +150,16 @@ class SympyTransformer(ast.NodeTransformer):
         self.generic_visit(node)
         return node
 
+    def visit_UnaryOp(self, node):
+        # -x
+        if isinstance(node.operand, ast.Name):
+            self.args_old.add(node.operand.id)
+            node.operand.id = self.args_map.get(node.operand.id, node.operand.id)
+            self.args_new.add(node.operand.id)
+
+        self.generic_visit(node)
+        return node
+
 
 def sources_to_asts(*sources):
     """输入多份源代码"""

{expr_codegen-0.6.5 → expr_codegen-0.7.1}/expr_codegen/expr.py

@@ -132,6 +132,15 @@ def is_NegativeX(expr):
     return False
 
 
+def is_simple_expr(expr):
+    if isinstance(expr, Mul):
+        if expr.args[0] == -1 and len(expr.args) == 2 and expr.args[1].is_Atom:
+            return True
+    if isinstance(expr, Symbol):
+        return True
+    return False
+
+
 def get_current_by_prefix(expr, **kwargs):
     """表达式根节点信息。按名称前缀。例如
 

{expr_codegen-0.6.5 → expr_codegen-0.7.1}/expr_codegen/model.py

@@ -5,7 +5,7 @@ import networkx as nx
 from sympy import symbols
 
 from expr_codegen.dag import zero_indegree, hierarchy_pos, remove_paths_by_zero_outdegree
-from expr_codegen.expr import CL, get_symbols, get_children, get_key, is_NegativeX
+from expr_codegen.expr import CL, get_symbols, get_children, get_key, is_NegativeX, is_simple_expr
 
 
 class ListDictList:
@@ -214,7 +214,7 @@ def merge_nodes_1(G: nx.DiGraph, keep_nodes, *args):
             expr = dic['expr']
             symbols = dic['symbols']
             if key[0] == CL:
-                if is_NegativeX(expr):
+                if is_simple_expr(expr):
                     # 检查表达式是否很简单, 是就替换，可能会替换多个
                     skip_expr_node(G, node, keep_nodes)
                 else:
@@ -253,7 +253,7 @@ def merge_nodes_2(G: nx.DiGraph, keep_nodes, *args):
         for node in this_pred:
             dic = G.nodes[node]
             expr = dic['expr']
-            if not is_NegativeX(expr):
+            if not is_simple_expr(expr):
                 continue
             pred = G.pred[node]
             for p in pred.copy():
@@ -337,8 +337,10 @@ def dag_start(exprs_dict, func, func_kwargs):
 def dag_middle(G, exprs_names, func, func_kwargs):
     """删除几个没有必要的节点"""
     G = remove_paths_by_zero_outdegree(G, exprs_names)
-    G = merge_nodes_1(G, exprs_names, *exprs_names)
-    G = merge_nodes_2(G, exprs_names, *exprs_names)
+    # 以下划线开头的节点，不保留
+    keep_nodes = [k for k in exprs_names if not k.startswith('_')]
+    G = merge_nodes_1(G, keep_nodes, *keep_nodes)
+    G = merge_nodes_2(G, keep_nodes, *keep_nodes)
 
     # 由于表达式修改，需再次更新表达式
     G = init_dag_exprs(G, func, func_kwargs)

{expr_codegen-0.6.5 → expr_codegen-0.7.1}/expr_codegen/tool.py

@@ -1,5 +1,6 @@
 import inspect
 from functools import lru_cache
+from io import TextIOWrapper
 from typing import Sequence, Dict, Optional
 
 from black import Mode, format_str
@@ -134,7 +135,7 @@ class ExprTool:
 
         return self.exprs_dict
 
-    def dag(self, merge):
+    def dag(self, merge: bool):
         """生成DAG"""
         G = dag_start(self.exprs_dict, self.get_current_func, self.get_current_func_kwargs)
         if merge:
@@ -223,47 +224,83 @@ class ExprTool:
         return globals_['df_output']
 
     @lru_cache(maxsize=64)
-    def _get_codes(self, source: str, extra_codes: str, output_file: str) -> str:
+    def _get_code(self,
+                  source: str, *more_sources: str,
+                  extra_codes: str, output_file: str,
+                  style='polars', template_file='template.py.j2',
+                  date='date', asset='asset') -> str:
         """通过字符串生成代码， 加了缓存，多次调用不重复生成"""
-        raw, exprs_dict = sources_to_exprs(self.globals_, source, safe=False)
+        raw, exprs_dict = sources_to_exprs(self.globals_, source, *more_sources, safe=False)
 
         # 生成代码
-        codes, G = _TOOL_.all(exprs_dict, style='polars', template_file='template.py.j2',
-                              replace=True, regroup=True, format=True,
-                              date='date', asset='asset',
-                              # 复制了需要使用的函数，还复制了最原始的表达式
-                              extra_codes=(raw,
-                                           # 传入多个列的方法
-                                           extra_codes,
-                                           ))
-
-        if output_file is not None:
+        code, G = _TOOL_.all(exprs_dict, style=style, template_file=template_file,
+                             replace=True, regroup=True, format=True,
+                             date=date, asset=asset,
+                             # 复制了需要使用的函数，还复制了最原始的表达式
+                             extra_codes=(raw,
+                                          # 传入多个列的方法
+                                          extra_codes,
+                                          ))
+        if isinstance(output_file, TextIOWrapper):
+            output_file.write(code)
+        elif output_file is not None:
             with open(output_file, 'w', encoding='utf-8') as f:
-                f.write(codes)
+                f.write(code)
 
-        return codes
+        return code
 
 
 _TOOL_ = ExprTool()
 
 
-def codegen_exec(code_block, df_input,
+def codegen_exec(df,
+                 *codes,
                  extra_codes: str = r'CS_SW_L1 = pl.col(r"^sw_l1_\d+$")',
-                 output_file: Optional[str] = None):
-    """快速转换源代码并执行"""
+                 output_file: Optional[str] = None,
+                 style: str = 'polars', template_file: str = 'template.py.j2',
+                 date: str = 'date', asset: str = 'asset'
+                 ):
+    """快速转换源代码并执行
+
+    Parameters
+    ----------
+    df: pl.DataFrame
+        输入DataFrame
+    codes:
+        函数体。此部分中的表达式会被翻译成目标代码
+    extra_codes: str
+        额外代码。不做处理，会被直接复制到目标代码中
+    output_file: str
+        保存生成的目标代码到文件中
+    style: str
+        代码风格。可选值 ('polars', 'pandas')
+    template_file: str
+        代码模板
+    date: str
+        时间字段
+    asset: str
+        资产字段
+
+    Returns
+    -------
+    pl.DataFrame
+
+    """
     # 此代码来自于sympy.var
     frame = inspect.currentframe().f_back
     _TOOL_.globals_ = frame.f_globals.copy()
     del frame
 
-    if isinstance(code_block, str):
-        source = code_block
-    else:
-        source = inspect.getsource(code_block)
+    more_sources = [c if isinstance(c, str) else inspect.getsource(c) for c in codes]
 
-    codes = _TOOL_._get_codes(source, extra_codes, output_file)
+    code = _TOOL_._get_code(
+        *more_sources, extra_codes=extra_codes,
+        output_file=output_file,
+        style=style, template_file=template_file,
+        date=date, asset=asset,
+    )
 
-    if df_input is None:
-        return df_input
+    if df is None:
+        return df
     else:
-        return _TOOL_.exec(codes, df_input)
+        return _TOOL_.exec(code, df)

{expr_codegen-0.6.5 → expr_codegen-0.7.1}/expr_codegen.egg-info/PKG-INFO

@@ -1,6 +1,6 @@
 Metadata-Version: 2.1
 Name: expr_codegen
-Version: 0.6.5
+Version: 0.7.1
 Summary: symbol expression to polars expression tool
 Author-email: wukan <wu-kan@163.com>
 License: BSD 3-Clause License
@@ -78,30 +78,46 @@ https://exprcodegen.streamlit.app
 ## 使用示例
 
 ```python
+import sys
+
+# from polars_ta.prefix.talib import *  # noqa
+from polars_ta.prefix.cdl import *  # noqa
+from polars_ta.prefix.ta import *  # noqa
+from polars_ta.prefix.tdx import *  # noqa
+from polars_ta.prefix.wq import *  # noqa
+
 from expr_codegen.tool import codegen_exec
 
 
-def _code_block_():
-    # 因子编辑区，可利用IDE的智能提示在此区域编辑因子
+def _code_block_1():
+   # 因子编辑区，可利用IDE的智能提示在此区域编辑因子
+   LOG_MC_ZS = cs_mad_zscore(log1p(market_cap))
 
-    # 会在生成的代码中自动导入
-    from polars_ta.wq import cs_mad_zscore_resid
 
-    # 1. 下划线开头的变量只是中间变量，最终输出时会被剔除
-    _a = ts_returns(CLOSE, 1)
-    _b = ts_sum(min_(_a, 0) ** 2, 20)
-    _c = ts_sum(max_(_a, 0) ** 2, 20)
-    _d = ts_sum(_a ** 2, 20)
-    _e = (_b - _c) / _d
-    # 2. 下划线开头的变量可以重复使用。 多个复杂因子多行书写时有重复中间变时不再冲突
-    # 3. 下划线开头的变量循环赋值。 在调试时可快速用注释进行切换了
-    _e = cs_mad_zscore_resid(_e, LOG_MC_ZS, ONE)
-    RSJ = _e
+def _code_block_2():
+   # 模板中已经默认导入了from polars_ta.prefix下大量的算子，但
+   # talib在模板中没有默认导入。这种写法可实现在生成的代码中导入
+   from polars_ta.prefix.talib import ts_LINEARREG_SLOPE  # noqa
 
+   # 1. 下划线开头的变量只是中间变量,会被自动更名，最终输出时会被剔除
+   # 2. 下划线开头的变量可以重复使用。多个复杂因子多行书写时有重复中间变时不再冲突
+   _avg = ts_mean(corr, 20)
+   _std = ts_std_dev(corr, 20)
+   _beta = ts_LINEARREG_SLOPE(corr, 20)
 
-df = None  # 替换成真实的polars数据
-df = codegen_exec(_code_block_, df, output_file="output.py")
+   # 3. 下划线开头的变量有环循环赋值。在调试时可快速用注释进行切换
+   _avg = cs_mad_zscore_resid(_avg, LOG_MC_ZS, ONE)
+   _std = cs_mad_zscore_resid(_std, LOG_MC_ZS, ONE)
+   # _beta = cs_mad_zscore_resid(_beta, LOG_MC_ZS, ONE)
 
+   _corr = cs_zscore(_avg) + cs_zscore(_std)
+   CPV = cs_zscore(_corr) + cs_zscore(_beta)
+
+
+df = None  # 替换成真实的polars数据
+df = codegen_exec(df, _code_block_1, _code_block_2, output_file=sys.stdout)  # 打印代码
+df = codegen_exec(df, _code_block_1, _code_block_2, output_file="output.py")  # 保存到文件
+df = codegen_exec(df, _code_block_1, _code_block_2)  # 只执行，不保存代码
 
 ```
 
@@ -112,9 +128,7 @@ df = codegen_exec(_code_block_, df, output_file="output.py")
 ├─data
 │      prepare_date.py # 准备数据
 ├─examples
-│      alpha101.txt # WorldQuant Alpha101示例，可复制到`streamlit`应用
-│      demo_cn.py # 中文注释示例。演示如何将表达式转换成代码
-│      demo_express.py # 速成示例
+│      demo_express.py # 速成示例。演示如何将表达式转换成代码
 │      demo_exec_pl.py # 演示调用转换后代码并绘图
 │      demo_transformer.py # 演示将第三方表达式转成内部表达式
 │      output.py # 结果输出。可不修改代码，直接被其它项目导入
@@ -171,7 +185,7 @@ df = codegen_exec(_code_block_, df, output_file="output.py")
 
 ## 二次开发
 
-1. 备份后编辑`demo_cn.py`, `import`需要引入的函数
+1. 备份后编辑`demo_express.py`, `import`需要引入的函数
 2. 然后`printer.py`有可能需要添加对应函数的打印代码
     - 注意：需要留意是否要加括号`()`，不加时可能优先级混乱，可以每次都加括号，也可用提供的`parenthesize`简化处理
 
@@ -193,58 +207,42 @@ df = codegen_exec(_code_block_, df, output_file="output.py")
 
 以上三种问题本项目都使用`ast`进行了处理，可以简化使用
 
-## 示例片段
+## 转译结果示例
 
-需要转译的部分公式，详细代码请参考 [Demo](examples/demo_cn.py)
-
-```python
-exprs_src = {
-    "expr_1": -ts_corr(cs_rank(ts_mean(OPEN, 10)), cs_rank(ts_mean(CLOSE, 10)), 10),
-    "expr_2": cs_rank(ts_mean(OPEN, 10)) - abs_(log(ts_mean(CLOSE, 10))) + gp_rank(sw_l1, CLOSE),
-    "expr_3": ts_mean(cs_rank(ts_mean(OPEN, 10)), 10),
-    "expr_4": cs_rank(ts_mean(cs_rank(OPEN), 10)),
-    "expr_5": -ts_corr(OPEN, CLOSE, 10),
-}
-```
-
-转译后的代码片段，详细代码请参考[Polars版](codes)
+转译后的代码片段，详细代码请参考[Polars版](examples/output_polars.py)
 
 ```python
 def func_0_ts__asset(df: pl.DataFrame) -> pl.DataFrame:
-    df = df.sort(by=[_DATE_])
-    # ========================================
-    df = df.with_columns(
-        _x_0=1 / ts_delay(OPEN, -1),
-        LABEL_CC_1=(-CLOSE + ts_delay(CLOSE, -1)) / CLOSE,
-    )
-    # ========================================
-    df = df.with_columns(
-        LABEL_OO_1=_x_0 * ts_delay(OPEN, -2) - 1,
-        LABEL_OO_2=_x_0 * ts_delay(OPEN, -3) - 1,
-    )
-    return df
+   df = df.sort(by=[_DATE_])
+   # ========================================
+   df = df.with_columns(
+      _x_0=1 / ts_delay(OPEN, -1),
+      LABEL_CC_1=(-CLOSE + ts_delay(CLOSE, -1)) / CLOSE,
+   )
+   # ========================================
+   df = df.with_columns(
+      LABEL_OO_1=_x_0 * ts_delay(OPEN, -2) - 1,
+      LABEL_OO_2=_x_0 * ts_delay(OPEN, -3) - 1,
+   )
+   return df
 ```
 
 转译后的代码片段，详细代码请参考[Pandas版](examples/output_pandas.py)
 
 ```python
 def func_2_cs__date(df: pd.DataFrame) -> pd.DataFrame:
-    # expr_4 = cs_rank(x_7)
-    df["expr_4"] = (df["x_7"]).rank(pct=True)
-    return df
+   # expr_4 = cs_rank(x_7)
+   df["expr_4"] = (df["x_7"]).rank(pct=True)
+   return df
 
 
 def func_3_ts__asset__date(df: pd.DataFrame) -> pd.DataFrame:
-    # expr_5 = -ts_corr(OPEN, CLOSE, 10)
-    df["expr_5"] = -(df["OPEN"]).rolling(10).corr(df["CLOSE"])
-    # expr_6 = ts_delta(OPEN, 10)
-    df["expr_6"] = df["OPEN"].diff(10)
-    return df
-
+   # expr_5 = -ts_corr(OPEN, CLOSE, 10)
+   df["expr_5"] = -(df["OPEN"]).rolling(10).corr(df["CLOSE"])
+   # expr_6 = ts_delta(OPEN, 10)
+   df["expr_6"] = df["OPEN"].diff(10)
+   return df
 
-df = df.sort_values(by=["asset", "date"]).groupby(by=["asset"], group_keys=False).apply(func_0_ts__asset__date)
-df = df.groupby(by=["date"], group_keys=False).apply(func_0_cs__date)
-df = func_0_cl(df)
 ```
 
 ## 本地部署交互网页

expr_codegen-0.6.5/expr_codegen/_version.py

@@ -1 +0,0 @@
-__version__ = "0.6.5"