读取报价

Python API 允许您使用三个函数来获取价格数组（柱线），这三个函数在指定请求数据范围的方式上有所不同：按柱线编号或按时间。所有函数都类似于不同形式的 CopyRates。

对于所有函数，前两个参数用于指定交易品种名称和时间范围。时间范围列于 TIMEFRAME 枚举中，它类似于 MQL5 中的 ENUM_TIMEFRAMES 枚举。

请注意：在 Python 中，该枚举的元素以 TIMEFRAME_ 为前缀，而 MQL5 中类似枚举的元素以 PERIOD_ 为前缀。

标识符	说明
TIMEFRAME_M1	1 分钟
TIMEFRAME_M2	2 分钟
TIMEFRAME_M3	3 分钟
TIMEFRAME_M4	4 分钟
TIMEFRAME_M5	5 分钟
TIMEFRAME_M6	6 分钟
TIMEFRAME_M10	10 分钟
TIMEFRAME_M12	12 分钟
TIMEFRAME_M12	15 分钟
TIMEFRAME_M20	20 分钟
TIMEFRAME_M30	30 分钟
TIMEFRAME_H1	1 小时
TIMEFRAME_H2	2 小时
TIMEFRAME_H3	3 小时
TIMEFRAME_H4	4 小时
TIMEFRAME_H6	6 小时
TIMEFRAME_H8	8 小时
TIMEFRAME_H12	12 小时
TIMEFRAME_D1	1 天
TIMEFRAME_W1	1 周
TIMEFRAME_MN1	1 个月

这三个函数都将柱线作为 numpy 批处理数组返回，其中包含命名列 time、open、high、low、close、tick_volume、spread 和 real_volume。numpy.ndarray 数组类似于命名元组，但更高效。要访问列，请使用方括号表示法，例如 array['column']。

None 如果发生错误，则不返回任何值。

所有函数参数都是强制的和未命名的。

numpy.ndarray copy_rates_from(symbol, timeframe, date_from, count)

copy_rates_from 函数请求从指定日期 (date_from) 开始、count 根柱线的数据。该日期可以由 datetime 对象设置，或者设置为自 1970.01.01 以来经历的秒数。

创建 datetime 对象时，Python 使用本地时区，而 MetaTrader 5 终端使用 UTC（GMT，无偏移）存储分时报价和柱线的开盘时间。因此，要执行使用时间的函数，必须以 UTC 格式创建datetime变量。要配置时区，可以使用pytz软件包。例如（参见 MQL5/Scripts/MQL5Book/Python/eurusdrates.py）：

from datetime import datetime
import MetaTrader5 as mt5
import pytz                    # import the pytz module to work with the timezone
# let's establish a connection to the MetaTrader 5 terminal
if not mt5.initialize():
   print("initialize() failed, error code =", mt5.last_error())
   mt5.shutdown()
   quit()

# set the timezone to UTC
timezone = pytz.timezone("Etc/UTC")

# create a datetime object in the UTC timezone so that the local timezone offset is not applied
utc_from = datetime(2022, 1, 10, tzinfo = timezone)

# get 10 bars from EURUSD H1 starting from 10/01/2022 in the UTC timezone
rates = mt5.copy_rates_from("EURUSD", mt5.TIMEFRAME_H1, utc_from, 10)

# complete the connection to the MetaTrader 5 terminal
mt5.shutdown()

# display each element of the received data (tuple)
for rate in rates:
   print(rate)

接收数据的范例：

(1641567600, 1.12975, 1.13226, 1.12922, 1.13017, 8325, 0, 0)
(1641571200, 1.13017, 1.13343, 1.1299, 1.13302, 7073, 0, 0)
(1641574800, 1.13302, 1.13491, 1.13293, 1.13468, 5920, 0, 0)
(1641578400, 1.13469, 1.13571, 1.13375, 1.13564, 3723, 0, 0)
(1641582000, 1.13564, 1.13582, 1.13494, 1.13564, 1990, 0, 0)
(1641585600, 1.1356, 1.13622, 1.13547, 1.13574, 1269, 0, 0)
(1641589200, 1.13572, 1.13647, 1.13568, 1.13627, 1031, 0, 0)
(1641592800, 1.13627, 1.13639, 1.13573, 1.13613, 982, 0, 0)
(1641596400, 1.1361, 1.13613, 1.1358, 1.1359, 692, 1, 0)
(1641772800, 1.1355, 1.13597, 1.13524, 1.1356, 1795, 10, 0)

numpy.ndarray copy_rates_from_pos(symbol, timeframe, start, count)

copy_rates_from_pos 函数请求从指定 start 索引开始、count 根柱线的数据。

MetaTrader 5 终端仅在图表上用户可见的历史范围内呈现柱线。用户可见的柱线数量由设置中的“窗口中的最大柱线数”参数设定。

以下例子 (MQL5/Scripts/MQL5Book/Python/ratescorr.py) 展示了基于报价的几种货币的相关矩阵的图形表示。

import MetaTrader5 as mt5
import pandas as pd              # connect the pandas module to output data
import matplotlib.pyplot as plt  # connect the matplotlib module for drawing

# let's establish a connection to the MetaTrader 5 terminal
if not mt5.initialize():
   print("initialize() failed, error code =", mt5.last_error())
   mt5.shutdown()
   quit()

# create a path in the sandbox for the image with the result
image = mt5.terminal_info().data_path + r'\MQL5\Files\MQL5Book\ratescorr'

# the list of working currencies for calculating correlation
sym = ['EURUSD','GBPUSD','USDJPY','USDCHF','AUDUSD','USDCAD','NZDUSD','XAUUSD']

# copy the closing prices of bars into DataFrame structures
d = pd.DataFrame()
for i in sym:        # last 1000 M1 bars for each symbol
   rates = mt5.copy_rates_from_pos(i, mt5.TIMEFRAME_M1, 0, 1000)
   d[i] = [y['close'] for y in rates]

# complete the connection to the MetaTrader 5 terminal
mt5.shutdown()

# calculate the price change as a percentage
rets = d.pct_change()

# compute correlations
corr = rets.corr()

# draw the correlation matrix
fig = plt.figure(figsize = (5, 5))
fig.add_axes([0.15, 0.1, 0.8, 0.8])
plt.imshow(corr, cmap = 'RdYlGn', interpolation = 'none', aspect = 'equal')
plt.colorbar()
plt.xticks(range(len(corr)), corr.columns, rotation = 'vertical')
plt.yticks(range(len(corr)), corr.columns)
plt.show()
plt.savefig(image)

图像文件ratescorr.png是在 MetaTrader 5 的当前工作副本的沙盒中形成的。如果你 Python 安装不包括可选功能“tcl/tk 和 IDLE”或者如果你没有添加 pip install.tk 软件包，则通过调用 plt.show() 在单独的窗口中交互显示图像可能不起作用。

外汇货币相关矩阵

numpy.ndarray copy_rates_range(symbol, timeframe, date_from, date_to)

copy_rates_range 函数允许您获取 date_from 和 date_to 之间的指定日期和时间范围内的柱线：这两个值作为 UTC 时区中自 1970 年开始的秒数给出（由于 Python 使用 datetime 当地时区，因此应使用 pytz 模块进行转换）。结果包括开盘时间在 time >= date_from 到 time <= date_to 的柱线。

在下面的脚本中，我们将请求特定时间范围内的柱线。

from datetime import datetime
import MetaTrader5 as mt5
import pytz             # connect the pytz module to work with the timezone
import pandas as pd     # connect the pandas module to display data in a tabular form

pd.set_option('display.max_columns', 500) # how many columns to show
pd.set_option('display.width', 1500)      # max. table width to display

# let's establish a connection to the MetaTrader 5 terminal
if not mt5.initialize():
   print("initialize() failed, error code =", mt5.last_error())
   quit()

# set the timezone to UTC
timezone = pytz.timezone("Etc/UTC")
# create datetime objects in UTC timezone so that local timezone offset is not applied
utc_from = datetime(2020, 1, 10, tzinfo=timezone)
utc_to = datetime(2020, 1, 10, minute = 30, tzinfo=timezone)

# get bars for USDJPY M5 for period 2020.01.10 00:00 - 2020.01.10 00:30 in UTC timezone
rates = mt5.copy_rates_range("USDJPY", mt5.TIMEFRAME_M5, utc_from, utc_to)

# complete the connection to the MetaTrader 5 terminal
mt5.shutdown()

# create a DataFrame from the received data
rates_frame = pd.DataFrame(rates)
# convert time from number of seconds to datetime format
rates_frame['time'] = pd.to_datetime(rates_frame['time'], unit = 's')

# output data
print(rates_frame)

结果示例：

time open high low close tick_volume spread real_volume

0 2020-01-10 00:00:00 109.513 109.527 109.505 109.521 43 2 0

1 2020-01-10 0:05:00 109.521 109.549 109.518 109.543 215 8 0

2 2020-01-10 0:10:00 109.543 109.543 109.466 109.505 98 10 0

3 2020-01-10 0:15:00 109.504 109.534 109.502 109.517 155 8 0

4 2020-01-10 0:20:00 109.517 109.539 109.513 109.527 71 4 0

5 2020-01-10 0:25:00 109.526 109.537 109.484 109.520 106 9 0

6 2020-01-10 0:30:00 109.520 109.524 109.508 109.510 205 7 0

订阅订单簿变更

读取分时报价历史