使用python和pandas将OHLC股票数据转换为不同的时间范围
有人可以帮我指出有关熊猫的OHLC数据时间范围转换的正确方向吗？我想做的是用较长时间的数据构建一个数据帧，给定较短时间的数据。
例如，假设我有以下一分钟（M1）数据：
Open High Low Close Volume
Date
1999-01-04 10:22:00 1.1801 1.1819 1.1801 1.1817 4
1999-01-04 10:23:00 1.1817 1.1818 1.1804 1.1814 18
1999-01-04 10:24:00 1.1817 1.1817 1.1802 1.1806 12
1999-01-04 10:25:00 1.1807 1.1815 1.1795 1.1808 26
1999-01-04 10:26:00 1.1803 1.1806 1.1790 1.1806 4
1999-01-04 10:27:00 1.1801 1.1801 1.1779 1.1786 23
1999-01-04 10:28:00 1.1795 1.1801 1.1776 1.1788 28
1999-01-04 10:29:00 1.1793 1.1795 1.1782 1.1789 10
1999-01-04 10:31:00 1.1780 1.1792 1.1776 1.1792 12
1999-01-04 10:32:00 1.1788 1.1792 1.1788 1.1791 4
它具有每分钟的打开，高，低，关闭（OHLC）和音量值，我想建立一组5分钟的读数（M5），如下所示：
Open High Low Close Volume
Date
1999-01-04 10:25:00 1.1807 1.1815 1.1776 1.1789 91
1999-01-04 10:30:00 1.1780 1.1792 1.1776 1.1791 16
因此，工作流程是：
- 打开是时间窗口中第一行的打开
- 高是时间窗口中的最高高
- 低是最低
- 关闭是最后一个关闭
- 体积只是体积的总和
但是有几个问题：
- 数据有空白（请注意没有10:30:00行）
- 5分钟的间隔必须在整点开始，例如M5在10:25:00开始，而不是10:22:00
- 首先，不完整的集合可以像本例一样省略或包含（因此我们可以输入10:20:00 5分钟）
在对上下采样熊猫文件给出了一个例子，但他们使用的平均值作为上采样行的值，它不会在这里工作。我尝试使用groupby，agg但无济于事。对于获得最高价和最低价的人来说可能并不难，但是我不知道如何获得第一个开盘价和最后一个收盘价。
我尝试的是以下几种方法：
grouped = slice.groupby( dr5minute.asof ).agg(
{ 'Low': lambda x : x.min()[ 'Low' ], 'High': lambda x : x.max()[ 'High' ] }
)
但它导致以下错误，我不理解：
In [27]: grouped = slice.groupby( dr5minute.asof ).agg( { 'Low' : lambda x : x.min()[ 'Low' ], 'High' : lambda x : x.max()[ 'High' ] } )
---------------------------------------------------------------------------
IndexError Traceback (most recent call last)
/work/python/fxcruncher/<ipython-input-27-df50f9522a2f> in <module>()
----> 1 grouped = slice.groupby( dr5minute.asof ).agg( { 'Low' : lambda x : x.min()[ 'Low' ], 'High' : lambda x : x.max()[ 'High' ] } )
/usr/lib/python2.7/site-packages/pandas/core/groupby.pyc in agg(self, func, *args, **kwargs)
242 See docstring for aggregate
243 """
--> 244 return self.aggregate(func, *args, **kwargs)
245
246 def _iterate_slices(self):
/usr/lib/python2.7/site-packages/pandas/core/groupby.pyc in aggregate(self, arg, *args, **kwargs)
1153 colg = SeriesGroupBy(obj[col], column=col,
1154 grouper=self.grouper)
-> 1155 result[col] = colg.aggregate(func)
1156
1157 result = DataFrame(result)
/usr/lib/python2.7/site-packages/pandas/core/groupby.pyc in aggregate(self, func_or_funcs, *args, **kwargs)
906 return self._python_agg_general(func_or_funcs, *args, **kwargs)
907 except Exception:
--> 908 result = self._aggregate_named(func_or_funcs, *args, **kwargs)
909
910 index = Index(sorted(result), name=self.grouper.names[0])
/usr/lib/python2.7/site-packages/pandas/core/groupby.pyc in _aggregate_named(self, func, *args, **kwargs)
976 grp = self.get_group(name)
977 grp.name = name
--> 978 output = func(grp, *args, **kwargs)
979 if isinstance(output, np.ndarray):
980 raise Exception('Must produce aggregated value')
/work/python/fxcruncher/<ipython-input-27-df50f9522a2f> in <lambda>(x)
----> 1 grouped = slice.groupby( dr5minute.asof ).agg( { 'Low' : lambda x : x.min()[ 'Low' ], 'High' : lambda x : x.max()[ 'High' ] } )
IndexError: invalid index to scalar variable.
因此，对此的任何帮助将不胜感激。如果我选择的路径行不通，请提出其他相对有效的方法（我有数百万行）。使用熊猫进行财务处理的一些资源也很不错。
问题答案：
您的方法是正确的，但是失败了，因为应用于agg（）的函数dict中的每个函数都接收一个Series对象，该对象反映了与键值匹配的列。因此，不必再次过滤列标签。这样，并假设groupby保留顺序，您可以对Series进行切片以提取Open
/ Close列的first / last元素（注意：groupby文档并未声称保留原始数据系列的顺序，但实际上是这样）。
In [50]: df.groupby(dr5minute.asof).agg({'Low': lambda s: s.min(),
'High': lambda s: s.max(),
'Open': lambda s: s[0],
'Close': lambda s: s[-1],
'Volume': lambda s: s.sum()})
Out[50]:
Close High Low Open Volume
key_0
1999-01-04 10:20:00 1.1806 1.1819 1.1801 1.1801 34
1999-01-04 10:25:00 1.1789 1.1815 1.1776 1.1807 91
1999-01-04 10:30:00 1.1791 1.1792 1.1776 1.1780 16
作为参考，以下表格总结了基于groupby对象类型的聚合函数的预期输入和输出类型，以及如何将聚合函数传递到agg（）。
agg() method agg func agg func agg()
input type accepts returns result
GroupBy Object
SeriesGroupBy function Series value Series
dict-of-funcs Series value DataFrame, columns match dict keys
list-of-funcs Series value DataFrame, columns match func names
DataFrameGroupBy function DataFrame Series/dict/ary DataFrame, columns match original DataFrame
dict-of-funcs Series value DataFrame, columns match dict keys, where dict keys must be columns in original DataFrame
list-of-funcs Series value DataFrame, MultiIndex columns (original cols x func names)
从上表中，如果聚合需要访问多个列，则唯一的选择是将单个函数传递给DataFrameGroupBy对象。因此，完成原始任务的另一种方法是定义一个类似如下的函数：
def ohlcsum(df):
df = df.sort()
return {
'Open': df['Open'][0],
'High': df['High'].max(),
'Low': df['Low'].min(),
'Close': df['Close'][-1],
'Volume': df['Volume'].sum()
}
并应用agg（）：
In [30]: df.groupby(dr5minute.asof).agg(ohlcsum)
Out[30]:
Open High Low Close Volume
key_0
1999-01-04 10:20:00 1.1801 1.1819 1.1801 1.1806 34
1999-01-04 10:25:00 1.1807 1.1815 1.1776 1.1789 91
1999-01-04 10:30:00 1.1780 1.1792 1.1776 1.1791 16
尽管熊猫将来可能会提供一些更简洁的内置魔术，但希望这可以解释如何使用当今的agg（）功能。
-
在jsp页面中从日期选择器中选择日期时，格式如下所示。 从印度登录时，数据选择器格式如下： 从美国登录时，datepicker格式如下所示。 我想将其转换为“dd-MMM-yyyy”两种格式。 假设将来我想从其他国家登录，即内部化它将以相同的格式输出。 现在，我们正在angularJS（jsp页面）应用程序中实现。 示例javacode如下，对印度运行良好，但对美国不起作用。 我怎样才能使它能够为
-
问题内容： 如何将字符串的熊猫索引转换为日期时间格式 我的数据框“ df”是这样的 但是索引的类型是字符串，但是我需要一个日期时间格式，因为我得到了错误 使用时 问题答案： 它应该按预期工作。尝试运行以下示例。
-
问题内容： 我在Python 2.7中具有以下Pandas数据框。 数据框如下所示： 该数据框来自 .csv文件。我使用熊猫作为熊猫数据框读取 .csv文件。当我使用它时，它表明该列具有数据类型。我想将此列转换为数据类型，但我只想要时间部分- 我不需要年，月，日。 我可以尝试这样： 但问题是，当我运行它仍然显示该列的。 有没有办法将此列转换为只有时间的日期时间格式？ 附加信息： 要创建上述数据框并
-
问题内容： 将熊猫的DateTimeIndex转换为Unix时间（可迭代）的惯用方式是什么？这可能不是要走的路： 问题答案： 由于是引擎盖下，你可以做转换没有理解（要快得多）。
-
问题内容： 我对知道如何将熊猫数据框转换为NumPy数组感兴趣。 数据框： 给 我想将其转换为NumPy数组，如下所示： 我怎样才能做到这一点？ 作为奖励，是否可以像这样保留dtype？ 或类似的？ 问题答案： 要将pandas数据框（df）转换为numpy ndarray，请使用以下代码：
-
我需要将ADR和ORD对（以及它们之间的货币）的股票价格数据编译成Pandas数据帧。我刚开始使用Alpha Vantage API，它可以很好地获取在美国上市的股票价格（以分钟为单位）和汇率，但我还没有弄清楚如何获取在国外上市的股票价格（ORD）。我几乎肯定这只是一个ticker.exchange类型的输入，但这似乎不起作用。 下面的代码是我在木星笔记本中使用的，用于获取帝亚吉欧PLC的ADR。