Question

import datetime   
import pandas.io.data

sp  =  pd.io.data.get_data_yahoo('^IXIC',start = datetime.datetime(1972, 1, 3),
                       end = datetime.datetime(2010, 1, 3))

我已经使用了上面的示例，但是当我想拉每周时，它只会将DAILY数据拉入数据框。它似乎不像get_data_yahoo有一个参数，您可以选择每日，每周或每月，就像雅虎本身提供的选项一样。您知道的任何其他包或想法可能会促进这一点吗？

Answer 1

您可以使用asfreq方法进行缩减采样：

sp = sp.asfreq('W-FRI', method='pad')

pad方法将向前传播最后一次有效观察。

使用resample（如@tshauck所示）是另一种可能性。如果要保证下采样中的值是原始数据集中的值，请使用asfreq。如果您希望聚合原始数据集中的行组（例如，通过取平均值），请使用resample。如果原始数据集在reindex指定的日期没有值，则reindex可能会引入NaN值 - 尽管（如@ behzad.nouri指出的那样）您可以使用method=pad传播上次观察在这里。

Answer 2

如果你在github上检查最新的pandas source code，你会看到间隔参数包含在最新的主分支中。您可以通过覆盖Site-Packages / pandas / io文件夹下的相同data.py来手动修改本地副本

Answer 3

您可以随时重新索引到所需频率：

sp.reindex( pd.date_range( start=sp.index.min( ),
                           end=sp.index.max( ),
                           freq='W-WED' ) )  # weekly, Wednesdays

修改：您可以添加, method='ffill'来转发填充NaN值。

作为一个建议，请采取星期三，因为它往往具有最少的缺失值。（即周三纽约证券交易所假期减少）。我认为雅虎每周数据给出每周一的股票价格，这是基于2000年以后的S＆amp; P数据的最差每周频率：

import pandas.io.data as web
sp = web.DataReader("^GSPC", "yahoo", start=dt.date( 2000, 1, 1 ) )

weekday = { 0:'MON', 1:'TUE', 2:'WED', 3:'THU', 4:'FRI' }
sp[ 'weekday' ] = list( map( weekday.get, sp.index.dayofweek ) )
sp.weekday.value_counts( )

输出：

WED    722
TUE    717
THU    707
FRI    705
MON    659

Answer 4

一种选择是在你想要的那一天掩盖。

sp[sp.index.dayofweek == 0]

另一种选择是重新取样。

sp.resample('W', how='mean')

Answer 5

这就是我每天转换为每周价格数据的方式：

import datetime
import pandas as pd
import pandas_datareader.data as web

start = datetime.datetime(1972, 1, 3)
end = datetime.datetime(2010, 1, 3)

stock_d = web.DataReader('^IXIC', 'yahoo', start, end)

def week_open(array_like):
    return array_like[0]

def week_close(array_like):
    return array_like[-1]

stock_w = stock_d.resample('W',
                    how={'Open': week_open, 
                         'High': 'max',
                         'Low': 'min',
                         'Close': week_close,
                         'Volume': 'sum'}, 
                    loffset=pd.offsets.timedelta(days=-6))

stock_w = stock_w[['Open', 'High', 'Low', 'Close', 'Volume']]

更多信息：

https://pandas-datareader.readthedocs.io/en/latest/remote_data.html#yahoo-finance https://gist.github.com/prithwi/339f87bf9c3c37bb3188

你如何从雅虎财经中提取每周的历史数据？

5 个答案: