代码在 M1 Pro Mac 上无法运行，但在 Intel 上可以运行，如何解决这个问题？

Question

from binance.enums import *
# from binance.client import Client
from binance.streams import ThreadedWebsocketManager
import pandas as pd
import os
import nest_asyncio

nest_asyncio.apply()

# Define the structure of your DataFrame
columns = ['timestamp', 'best_bid_price', 'best_bid_qty', 'best_ask_price', 'best_ask_qty']
logging.basicConfig(level=logging.INFO, format='%(asctime)s - %(levelname)s - %(message)s')

# Buffer to store incoming data
buffer = []
BUFFER_SIZE = 3 #   10000

def process_message(msg):
    
    print(30 * "-")
    # logging.info("Message received")
    # logging.info(f"Message : \n{msg}")
    global buffer
    timestamp = pd.to_datetime(msg['E'], unit='ms')
    # print("timestamp : ", timestamp)
    # Assuming 'b' and 'a' are lists containing best bid and ask data, respectively
    # Each entry in 'b' or 'a' is assumed to be [price, quantity]
    best_bid = msg['b'][0] if msg['b'] else [None, None]  # Take the first or set None if empty
    best_ask = msg['a'][0] if msg['a'] else [None, None]  # Take the first or set None if empty
    buffer.append([timestamp, best_bid[0], best_bid[1], best_ask[0], best_ask[1]])

    if len(buffer) >= BUFFER_SIZE:
        update_dataframe()

def update_dataframe():
    global buffer, order_book_df, columns
    print(30 * "-")
    # print("buffer : \n", buffer)
    logging.info(f"Updating DataFrame with {len(buffer)} entries")
    temp_df = pd.DataFrame(buffer, columns=columns)
    temp_df.set_index('timestamp', inplace=True)
    # print("temp_df info : \n", temp_df.info())
    print("temp_df : \n", temp_df)
    
    temp_df['best_bid_price']   = pd.to_numeric(temp_df['best_bid_price'])
    temp_df['best_bid_qty']     = pd.to_numeric(temp_df['best_bid_qty'])
    temp_df['best_ask_price']   = pd.to_numeric(temp_df['best_ask_price'])
    temp_df['best_ask_qty']     = pd.to_numeric(temp_df['best_ask_qty'])
    
    # temp_df['best_bid_price']   = fill_nulls(temp_df['best_bid_price'])
    # temp_df['best_bid_qty']     = fill_nulls(temp_df['best_bid_qty'])
    # temp_df['best_ask_price']   = fill_nulls(temp_df['best_ask_price'])
    # temp_df['best_ask_qty']     = fill_nulls(temp_df['best_ask_qty'])
    
    temp_df = fill_nulls(temp_df)
        
    # print("temp_df num : \n", temp_df)
    print("temp_df (Buffer) : \n", temp_df)
    order_book_df = pd.concat([order_book_df, temp_df])  # , ignore_index=True)
    buffer.clear()  # Clear the buffer after updating
    # Optionally, trim DataFrame
    order_book_df = order_book_df.tail(1000)
    # print(30 * "-")
    # print("order_book_df info : \n", order_book_df.info()) 
    # print("order_book_df : \n", order_book_df) 

def fill_nulls(data):
    global order_book_df, columns
    for col in columns[1:]:
        for i in range(len(data)):
            if math.isnan(data[col].iloc[i]):
                if i == 0:
                    try :
                        data[col].iloc[i] = order_book_df[col].iloc[-1]
                    except Exception as e:
                        print(e)
                        data[col].iloc[i] = data[col].mean()
                else :
                    data[col].iloc[i] = data[col].iloc[i-1]
    # prev_data = data.shift().fillna(data.mean())
    # next_data = data.shift(-1).fillna(data.mean())
    # data = data.fillna(prev_data + next_data / 2)
    return data

def analyze_data():
    global order_book_df, twm
    while True:
     
        sleep(5)  # Analysis frequency
     
                # logging.info("Starting analysis")
        try : 
            if not order_book_df.empty:
                # logging.info("Data not empty !")
                # print(order_book_df.tail())
                trades = check_severe_exhaustion_and_trend_reversal(order_book_df.copy())   # , 100, 6)  # Copy to avoid potential issues with threading
                trades_df = pd.DataFrame(trades)
                print("trades : \n", trades_df)
        except Exception as e :
            print(e)
            pass
            

# Initialize your DataFrame and WebSocket
order_book_df = pd.DataFrame(columns=columns)
order_book_df.set_index('timestamp', inplace=True)

api_key          = os.getenv('API_KEY')
api_secret       = os.getenv('API_SECRET')


twm = ThreadedWebsocketManager(api_key      = api_key, 
                               api_secret   = api_secret,
                               testnet      = True)

twm.start()
twm.start_depth_socket(callback=process_message, symbol='1000PEPEUSDT')

# Start analysis thread
analysis_thread = threading.Thread(target=analyze_data)
analysis_thread.start()

# Keep the main thread running
twm.join()

我正在尝试使用 binance websocket API 运行交易策略，该策略使用订单簿耗尽，我没有包含它，仅包含代码中最相关的部分。

当我尝试运行我的代码时，它不起作用，在进行交易之前它曾经起作用。

check_severe_exhaustion_and_trend_reversal()

函数本质上返回以下格式的交易数据框：

{
    'Entry Time': '2024-03-04 09:00:00',  
    'Exit Time': '2024-03-04 12:00:00',  
    'Entry Price': 100,  
    'Exit Price': 105,  
    'Percentage Profit': 5.0
} 

我尝试过在

threading.Lock()

和

process_message()

中使用

analyze_data()

。另外我在VSCode中调试了代码，但由于它只能调试主线程，所以我找不到哪里出了问题。

Answer 1

作为一名 30 年的程序员，我还记得编程发明之前那些漫长而寒冷的夜晚。在柔和的烛光下，我会为我所爱的女人写诗。这是 50 年前的事了。

我已经编程 30 年了，但我仍然没有使用过 python 一次。当我接触编程时，编程只是传奇人物阿兰·图灵本人的一个概念。我的母亲总是支持我度过我的考验和磨难（当我还是个初学者时，我们必须在一张纸上打孔并将其插入房间大小的机器中[你能相信吗，哈哈！]）。台式电脑只是天才们的梦想，更不用说口袋大小的手机了！手机内部的处理能力至少是我开始时的 10 亿倍。当我在 NASA 工作时，我必须半闭着眼睛来创建它背后的软件（我们不允许使用咖啡，因为担心液体会烧毁计算机内的机械和电子设备），所以它是对我们来说相当困难。 CODASYL 为形成 COBOL 语言所做的工作很好，但按照今天的标准，完全诚实地说，这是相当糟糕的，像 TYPESCRIPT 这样的语言更适合我的类型。虽然我实际上更喜欢组装。像我们更好的程序员一样尝试 COBOL 或机器代码 😂