写策略需要了解的语法包括两方面，一方面是语言本身的语法（包括相关库），另一方面是量化平台提供的api。量化平台提供的api帮助文件里都有了,本文主要介绍写策略经常用到的库（datetime、numpy、pandas）中的一些函数。
1、 利用datetime库做日期、时间操作
利用context.now可以获得当前策略运行的时间，返回的是datetime.datetime格式。datetime.datetime格式可以很方便的进行日期、时间操作。比如timedelta可以很方便的在日期上做日、小时、分钟、秒的运算。例如，需要策略运行时间1天前的时间，可以这样写：context.now
datetime.timedelta(days=-1)，返回的便是一天前的时间。
2、 利用pandas做数据变频。
量化平台一般只提供分钟或者日频的数据，如果我们需要周、月的数据怎么办呢？pandas的resample函数可以很好的解决这个问题。举个例子，假如我们需要沪深300每月最后一个交易日的收盘价，我们可以这样写：
d=
get_history(100,'1d','close')[‘000300.SH’].resample(‘m’，how=’last’)
3、利用set格式选取交集
有的时候我们利用不同标准会得到不同的股票池，如果想得到不同股票池的共同股票，那么可以使用set格式。Set格式可以很方便的进行交集、并集等集合运算。这里举一个例子，比如我们通过设置一定的财务数据条件会得到一个dataframe，记作df。df的列为股票代码，但可能并不都是我们所需的，比如我们只想得到沪深300的成份股，那么可以这样操作：1、s=get_index_constituents(‘000300.SH’)
得到沪深300的成份股。2、z=set(s) & set(df.columns)
得到交集z。3、得到的z是set格式，需要转换为list格式，可以这样操作 zl=list(z)。4、利用pandas 函数
筛选出我们需要的个股 d=df.loc[:zl] d即位我们所需要的数据。
4、 利用try…except跳过出错部分代码
有时候我们会遇到一些不是很重要的问题，但是由于遇到这类问题会报错，从而影响程序执行，这时我们希望的是忽略这些错误就可以了。下面举一个例子说明try…except
的用法。
比如：我们用p表示一只股票某一时刻的价格，v表示这只股票的成交量，我们想计算p/v，但是有可能该股票没有成交量（停牌，或者涨跌停了）这时直接计算就会出错，程序会跳出。这是我们可以try…except做如下处理：
try:d=p/v
except:d=0
意思就是如果计算p/v发生错误，那么就将d赋值为0
5、 利用pickle模块保存变量
有时候我们需要将当前工作空间的变量保存下来，这时可以使用pickle来解决，举个例子，假如目前工作空间有a,b,c三个变量，我们可以进行如下操作：1、f=open(‘file.pkl’,’wb’)
建立一个文件链接。2、import pickle;pickle.dump([a,b,c],f)
这样就可以保存了。读取时1、f=open(‘file.pkl’,’rb’) 2、import
pickle;z=pickle.load([a,b,c],f)
这样将读取的变量都保存到了z变量中，通过z[0],z[1],z[2]可以获取a,b,c变量。