Question

    open      high    low   close   volume  date      time  
0   0.9738    0.9742    0.9738  0.9740  48  2009-09-27  1900-01-01 18:00:00  
1   0.9738    0.9739    0.9737  0.9737  11  2009-09-27  1900-01-01 18:01:00  
2   0.9733    0.9734    0.9733  0.9734  6   2009-09-27  1900-01-01 18:02:00  
3   0.9734    0.9734    0.9734  0.9734  1   2009-09-27  1900-01-01 18:03:00  
4   0.9735    0.9735    0.9735  0.9735  1   2009-09-27  1900-01-01 18:04:00

我有一个大型数据框，如上图所示（股票价格的1分钟日内柱）。

问题： 如果上午8:00在1分钟的酒吧没有价格，我如何获得下一个价格？我希望能够获得时间=上午8:00:00或下一个最接近的价格的每一天的开盘价。

下面的函数得到开放的，累积的高，累积的低点，以及从一些连续的条形区域重建的结束（从设定的开放时间到设定的关闭时间不断）。

def getOpenHighLowClose(x=None, openTime=None, closeTime=None):
    x.loc[(x['time']==openTime), 'openPriceOfDay'] = x['open']  
    x.loc[(x['time']==closeTime), 'closePriceOfDay'] = x['close']  

    x['openPriceOfDay']=x['openPriceOfDay'].fillna(0)  
    x['closePriceOfDay']=x['closePriceOfDay'].fillna(0)  

    x['OpenCashMkt']=x['openPriceOfDay'].max()  
    x['CloseCashMkt']=x['closePriceOfDay'].max()  

    x.loc[(x['time']>=openTime) & (x['time']<=closeTime), 'cumHigh'] =   x['high'].cummax()
    x.loc[(x['time']>=openTime) & (x['time']<=closeTime), 'cumLow'] = x['low'].cummin()

我以这种方式编写代码，以便我可以为任何时间帧构建自己的[open high low close]并使用.shift（x）使用groupby'date'创建返回系列。

我是新手所以请告诉我是否可以进一步澄清。

谢谢！

Answer 1

您可以按日期分组并采用第一个开盘价（假设数据已经按时间排序）。

df.groupby('date')['open'].first()

您还可以将索引设置为时间戳：

df.set_index(pd.to_datetime(df['date'] + ' ' + df['time']), inplace=True)

这样您就可以轻松访问数据了：

def ohlc(start, end):
    ticks = df.loc[start:end]
    open = ticks['open'].dropna()[0]
    high = ticks['high'].max()
    low = ticks['low'].min()
    close = ticks['close'].dropna()[-1]
    vol = ticks['volume'].sum()
    return pd.Series({'start': start, 'end': end, 'open': open, 'high': high, 'low': low, 'close': close, 'volume': vol})

另请参阅Converting OHLC stock data into a different timeframe with python and pandas

股票价格条 - 如果在某个X时间范围内不存在条形，则在条形数据框中获得下一个最接近的价格

1 个答案: