如何将numpy时间序列库存数据与日期分辨率转换为月份或星期分辨率

Question

我正在使用Harrison Kinsley的python脚本来绘制股票数据（Link）

修改脚本以接受来自csv的数据，其中包含非常详细的时间序列数据（每日分辨率时间步长）。 csv在这一行加载到numpy。

date, closep, highp, lowp, openp, volume = np.loadtxt(out,delimiter=',', unpack=True,
                                                      converters={ 0: mdates.strpdate2num('%Y%m%d')})

以某种方式可以将数据转换为更少的数据点吗？逐月解决方案或逐周解决方案？

Answer 1

嗯，你没说完你想做什么。较少的数据点意味着您要么选择任何随机数据点，要么执行一些操作：这里有很多可能性：获得给定日/周/月的中位数或平均值，或者可能是最大/最小值，无论你想要什么。 代码：

import numpy as np
share_prices  = np.array([100,102,104,106,104, 109, 110])
median_price = np.median(share_prices)
104.0
average_price = np.average(share_prices)
105.0
min_price = np.min(share_prices)
100
max_price = np.max(share_prices)
110

使用真正为此目的编写的令人敬畏的Pandas模块，所有这些都会更容易，更有趣。