# 交易引擎：初始化函数，只执行一次
def m3_initialize_bigquant_run(context):
    pass

# 交易引擎：每个单位时间开盘前调用一次。
def m3_before_trading_start_bigquant_run(context, data):
    pass

    
# 交易引擎：tick数据处理函数，每个tick执行一次
def m3_handle_tick_bigquant_run(context, tick):
    pass
        

# 交易引擎：bar数据处理函数，每个时间单位执行一次
def m3_handle_data_bigquant_run(context, data):
    pass
# 交易引擎：成交回报处理函数，每个成交发生时执行一次
def m3_handle_trade_bigquant_run(context, trade):
    pass


# 交易引擎：委托回报处理函数，每个委托变化时执行一次
def m3_handle_order_bigquant_run(context, order):
    pass


# 交易引擎：盘后处理函数，每日盘后执行一次
def m3_after_trading_bigquant_run(context, data):
    pass

import pandas as pd
import numpy as np


def ZScoreNorm(x, features, axis=0, label=False):
    _x = x[features]
    arr = _x.values
    arr = (arr - np.nanmean(arr, axis=axis, keepdims=True)) / np.nanstd(arr, axis=axis, ddof=1, keepdims=True)
    result = pd.DataFrame(arr, columns=_x.columns, index=_x.index)
    result["date"] = x["date"]
    result["product_code"] = x["product_code"]
    if "label" in x.columns:
        if label:
            _label = x["label"]
            _label_arr = _label.values
            _label_arr = (_label_arr - np.nanmean(_label_arr, axis=0)) / np.nanstd(_label_arr, axis=0, ddof=1)
            result["label"] = _label_arr
        else:
            result["label"] = x["label"]
    return result