bt回测报错AttributeError: 'Series' object has no attribute 'columns'如何解决

• 直接触发报错的核心原因：bt.Backtest 要求传入的价格数据必须是以时间为索引、每列对应一个标的资产价格的DataFrame对象，你代码中传入的df["close"]是pandas Series类型，Series没有columns属性，因此框架读取价格数据的列名时抛出该异常。
• 此外代码还存在两处隐性问题：
  1. 未将Binance返回的原始K线数据中的时间戳转为datetime类型并设置为DataFrame索引，bt框架依赖时间索引完成回测时序计算。
  2. 未将K线的开高低收成交量等字段从字符串转为数值类型，也未补充MA30指标的计算逻辑，SelectWhere的判断条件无法正常生效。

按如下步骤修改代码即可解决问题：

1. 先完成原始K线数据的清洗、索引设置和指标计算
2. 将收盘价转为单列DataFrame传入回测
3. 将选股条件转为和价格数据同索引的布尔DataFrame传入SelectWhere

修改后的可运行代码如下：

import pandas as pd
import talib
import bt
import matplotlib.pyplot as plt
from binance.client import Client

# 原始K线获取
client = Client()
klines = client.get_historical_klines("BNBUSDT", Client.KLINE_INTERVAL_1DAY, "1 jul, 2021")
df = pd.DataFrame(klines)

# 数据清洗：重命名列、转数值、设置时间索引
df.rename(columns={
    df.columns[0]: 'open time', 
    df.columns[1]: 'open',
    df.columns[2]: 'high',
    df.columns[3]: 'low',
    df.columns[4]: 'close',
    df.columns[5]: 'volume'
}, inplace=True) 
# 时间戳转datetime并设为索引
df['open time'] = pd.to_datetime(df['open time'], unit='ms')
df.set_index('open time', inplace=True)
# 开高低收转浮点型
df[['open', 'high', 'low', 'close', 'volume']] = df[['open', 'high', 'low', 'close', 'volume']].astype(float)
# 计算MA30指标
df['MA30'] = talib.SMA(df['close'], timeperiod=30)

# 构造回测用的价格DataFrame（单列，列名对应标的名称BNBUSDT）
price_df = df[['close']].rename(columns={'close': 'BNBUSDT'})
# 构造选股条件布尔DataFrame
signal_df = (df[['close']] > df[['MA30']].values).rename(columns={'close': 'BNBUSDT'})

# 定义策略
bt_strategy = bt.Strategy('AboveSMA', 
                          [bt.algos.SelectWhere(signal_df),
                           bt.algos.WeighEqually(),
                           bt.algos.Rebalance()])
# 创建回测并运行
bt_backtest = bt.Backtest(bt_strategy, price_df)
bt_result = bt.run(bt_backtest)
# 绘制回测结果
bt_result.plot(title='Backtest result')
plt.show()

内容的提问来源于stack exchange，提问作者Leandro Quintana