Из примера Ticker убрано получение баров. В новом примере Bars получаем бары и сохраняем их в файл

Examples/03 - Ticker.py

@@ -1,4 +1,3 @@
-from datetime import datetime
 from QuikPy import QuikPy  # Работа с Quik из Python через LUA скрипты QuikSharp
 
 
@@ -23,16 +22,5 @@ if __name__ == '__main__':  # Точка входа при запуске это
     print(f'Шаг цены: {securityInfo["min_price_step"]}')
     print(f'Торговый счет для тикера класса {classCode}: {qpProvider.GetTradeAccount(classCode)["data"]}')
 
-    # Свечки
-    print(f'5-и минутные свечки {classCode}.{secCode}:')
-    bars = qpProvider.GetCandlesFromDataSource(classCode, secCode, 5, 0)["data"]  # 5 минут, 0 = все свечки
-    print(bars)
-
-    # print(f'Дневные свечки {classCode}.{secCode}:')
-    # bars = qpProvider.GetCandlesFromDataSource(classCode, secCode, 1440, 0)['data']  # 1440 минут = 1 день, 0 = все свечки
-    # dtjs = [row['datetime'] for row in bars]  # Получаем исходники даты и времени начала свчки (List comprehensions)
-    # dts = [datetime(dtj['year'], dtj['month'], dtj['day'], dtj['hour'], dtj['min']) for dtj in dtjs]  # Получаем дату и время
-    # print(dts)
-
     # Выход
     qpProvider.CloseConnectionAndThread()  # Перед выходом закрываем соединение и поток QuikPy из любого экземпляра

Examples/04 - Bars.py

@@ -0,0 +1,61 @@
+import os.path
+import pandas as pd
+from QuikPy import QuikPy  # Работа с Quik из Python через LUA скрипты QuikSharp
+
+
+def SaveCandlesToFile(classCode='TQBR', secCodes=('SBER',), timeFrame='D', compression=1):
+    interval = compression  # Для минутных временнЫх интервалов ставим кол-во минут
+    if timeFrame == 'D':  # Дневной временной интервал
+        interval = 1440  # В минутах
+    elif timeFrame == 'W':  # Недельный временной интервал
+        interval = 10080  # В минутах
+    elif timeFrame == 'MN':  # Месячный временной интервал
+        interval = 23200  # В минутах
+
+    for secCode in secCodes:  # Пробегаемся по всем тикерам
+        fileName = f'..\\..\\Data\\{classCode}.{secCode}_{timeFrame}{compression}.txt'
+        isFileExists = os.path.isfile(fileName)  # Существует ли файл
+        if not isFileExists:  # Если файл не существует
+            print(f'Файл {fileName} не найден и будет создан')
+        else:  # Файл существует
+            print(f'Получение файла {fileName}')
+            fileBars = pd.read_csv(fileName, sep='\t', index_col='datetime')  # Считываем файл в DataFrame
+            fileBars.index = pd.to_datetime(fileBars.index, format='%d.%m.%Y %H:%M')  # Переводим индекс в формат datetime
+            print(f'- Первая запись файла: {fileBars.index[0]}')
+            print(f'- Последняя запись файла: {fileBars.index[-1]}')
+            print(f'- Кол-во записей в файле: {len(fileBars)}')
+
+        newBars = qpProvider.GetCandlesFromDataSource(classCode, secCode, interval, 0)["data"]  # Получаем все свечки
+        pdBars = pd.DataFrame.from_dict(pd.json_normalize(newBars), orient='columns')  # Внутренние колонки даты/времени разворачиваем в отдельные колонки
+        pdBars.rename(columns={'datetime.year': 'year', 'datetime.month': 'month', 'datetime.day': 'day',
+                               'datetime.min': 'minute', 'datetime.sec': 'second'},
+                      inplace=True)  # Чтобы получить дату/время переименовываем колонки
+        pdBars.index = pd.to_datetime(pdBars[['year', 'month', 'day', 'minute', 'second']])  # Собираем дату/время из колонок
+        pdBars = pdBars[['open', 'high', 'low', 'close', 'volume']]  # Отбираем нужные колонки
+        pdBars.index.name = 'datetime'  # Ставим название индекса даты/времени
+        pdBars.volume = pd.to_numeric(pdBars.volume, downcast='integer')  # Объемы могут быть только целыми
+        print(f'- Первая запись в QUIK: {pdBars.index[0]}')
+        print(f'- Последняя запись в QUIK: {pdBars.index[-1]}')
+        print(f'- Кол-во записей в QUIK: {len(pdBars)}')
+        if isFileExists:  # Если файл существует
+            pdBars = pd.concat([fileBars, pdBars]).drop_duplicates(keep='last').sort_index()  # Объединяем файл с данными из QUIK, убираем дубликаты, сортируем заново
+
+        pdBars.to_csv(fileName+'1', sep='\t', date_format='%d.%m.%Y %H:%M')
+        print(f'- В файл {fileName} сохранено записей: {len(pdBars)}')
+
+
+if __name__ == '__main__':  # Точка входа при запуске этого скрипта
+    qpProvider = QuikPy()  # Вызываем конструктор QuikPy с подключением к локальному компьютеру с QUIK
+    # qpProvider = QuikPy(Host='192.168.1.7')  # Вызываем конструктор QuikPy с подключением к удаленному компьютеру с QUIK
+
+    classCode = 'TQBR'  # Акции ММВБ
+    secCodes = ('SBER',)
+    # secCodes = ('SBER', 'GMKN', 'GAZP', 'LKOH', 'TATN', 'YNDX', 'TCSG', 'ROSN', 'NVTK', 'MVID',
+    #             'CHMF', 'POLY', 'OZON', 'ALRS', 'MAIL', 'MTSS', 'NLMK', 'MAGN', 'PLZL', 'MGNT',
+    #             'MOEX', 'TRMK', 'RUAL', 'SNGS', 'AFKS', 'SBERP', 'SIBN', 'FIVE', 'SNGSP', 'AFLT',
+    #             'IRAO', 'PHOR', 'TATNP', 'VTBR', 'QIWI', 'CBOM', 'FEES', 'BELU', 'TRNFP', 'FIXP')  # TOP 40
+    timeFrame = 'D'  # Временной интервал: 'M'-Минуты, 'D'-дни, 'W'-недели, 'MN'-месяцы
+    compression = 1  # Кол-во минут для минутного графика. Для остальных = 1
+    SaveCandlesToFile(classCode, secCodes, timeFrame)
+
+    qpProvider.CloseConnectionAndThread()  # Перед выходом закрываем соединение и поток QuikPy из любого экземпляра