如何更新不推荐使用的python zipline.transforms模块？

我使用quantopian zipline包编写了一个python程序。我最近更新了该软件包，发现zipline.transforms软件包已被弃用。我使用了zipline.transforms包中的两个函数，

batch\u transform（）

和

MovingAverage

除了说用

history（）。然而，我不知道如何确切地替换它。我还没有找到一个帖子告诉我如何解决移动平均值的问题

这是我正在使用的代码

from zipline.algorithm import TradingAlgorithm
from zipline.transforms import batch_transform
from zipline.transforms import MovingAverage


class TradingStrategy(TradingAlgorithm):

    def initialize(self, window_length=6):
        self.add_transform(
            MovingAverage, 'kernel', ['price'], window_length=self.window_length)

    @batch_transform
    def get_data(data, context):
        '''
        Collector for some days of historical prices.
        '''
        daily_prices = data.price[STOCKS + [BENCHMARK]]
        return daily_prices

strategy = TradingStrategy()

有人能举个例子说明如何更新上面的代码吗？鉴于quantopian的流行程度，我假设有很多人在处理这些问题。
似乎没有一种直接的方法可以使用
历史
而不是
批处理转换

在我看来，这些方法不仅改变了，而且它们的使用方式也完全改变了

文件中提到以下内容：

每个zipline算法都包含两个必须定义的函数：


初始化（上下文）
处理数据（上下文、数据）


以下是使用历史法创建一些基本移动平均线的文档示例：

def initialize(context):
    context.i = 0
    context.asset = symbol('AAPL')


def handle_data(context, data):
    # Skip first 300 days to get full windows
    context.i += 1
    if context.i < 300:
        return

    # Compute averages
    # data.history() has to be called with the same params
    # from above and returns a pandas dataframe.
    short_mavg = data.history(context.asset, 'price', bar_count=100, frequency="1d").mean()
    long_mavg = data.history(context.asset, 'price', bar_count=300, frequency="1d").mean()

    # Trading logic
    if short_mavg > long_mavg:
        # order_target orders as many shares as needed to
        # achieve the desired number of shares.
        order_target(context.asset, 100)
    elif short_mavg < long_mavg:
        order_target(context.asset, 0)

    # Save values for later inspection
    record(AAPL=data.current(context.asset, 'price'),
           short_mavg=short_mavg,
           long_mavg=long_mavg)

def初始化（上下文）：
context.i=0
context.asset=symbol（'AAPL'）
def句柄_数据（上下文、数据）：
#跳过前300天以获取完整窗口
context.i+=1
如果上下文i<300：
返回
#计算平均数
#必须使用相同的参数调用data.history（）
#并返回一个数据帧。
short_mavg=data.history（context.asset，'price'，bar_count=100，frequency=“1d”）.mean（）
long_mavg=data.history（context.asset，'price'，bar_count=300，frequency=“1d”）.mean（）
#交易逻辑
如果短变量>长变量：
#订购\目标订购所需数量的股票
#达到所需的股份数量。
订单_目标（context.asset，100）
elif短标<长标：
订单_目标（context.asset，0）
#保存值以供以后检查
记录（AAPL=data.current（context.asset，'price'），
short_mavg=short_mavg，
long_mavg=long_mavg）
related:下面是如何添加历史记录的：您能否提供一个使用batch_transform的代码示例，该示例可以为您提供与上述相同的结果，以便我可以比较两者？