无法从Pandas DataFrame中提取Backtrader生成的TradeHistory对象

1. 先确认TradeHistory对象的可用属性 #

Backtrader的TradeHistory是自定义对象，首先得明确它包含哪些可提取的属性。取一条样本数据查看：

# 获取第一行的第一个TradeHistory对象
sample_trade = trade_data.iloc[0]['history'][0]
# 打印所有可用属性
print(dir(sample_trade))

通常会包含datetime（或dt）、size、price、symbol、sid这类核心交易属性，根据输出挑选你需要的字段。

2. 将TradeHistory列表转为结构化字典列表 #

定义一个转换函数，对history列的每个对象列表做解析：

def parse_trade_history(trade_list):
    # 根据实际属性调整字段
    return [
        {
            "trade_datetime": trade.dt.strftime("%Y-%m-%d %H:%M:%S"),
            "trade_size": trade.size,
            "trade_price": trade.price,
            "trade_symbol": trade.symbol
        }
        for trade in trade_list
    ]

# 生成解析后的列
trade_data['history_parsed'] = trade_data['history'].apply(parse_trade_history)

3. 展开为扁平DataFrame（每条交易占一行） #

如果需要把嵌套的交易记录展开成常规的行结构，用explode结合json_normalize：

import pandas as pd
from pandas import json_normalize

# 将列表拆分为多行
exploded_df = trade_data.explode('history_parsed').reset_index(drop=True)
# 把字典列展开为独立字段
flattened_trades = json_normalize(exploded_df['history_parsed'])
# 合并原表其他字段
final_trade_df = pd.concat([exploded_df.drop('history_parsed', axis=1), flattened_trades], axis=1)

4. 快速提取单个属性的所有值 #

如果只需要某一个属性的集合（比如所有交易价格），用嵌套列表推导式：

all_trade_prices = [trade.price for trade_list in trade_data['history'] for trade in trade_list]

内容的提问来源于stack exchange，提问作者LiverLove