重采样/上采样周期索引并使用数据的两个极端时间“边沿”

时间:2017-01-17 11:49:08

标签: python parsing pandas

我有以下DataFrame,一个带有期间索引的每周价格数据时间表。我们称之为df

                            timestamp         open        high        low        close  volume
timestamp                       
2009-02-01/2009-02-07   733442.166309   830.540773  832.586910  828.788627  830.706009  48401.952790
2009-02-08/2009-02-14   733449.166309   839.945279  841.763948  837.812232  839.742489  53429.330472
2009-02-15/2009-02-21   733456.245777   790.733108  792.399775  788.897523  790.549550  50671.887387
2009-02-22/2009-02-28   733463.166309   760.586910  762.640558  758.234979  760.428112  60565.506438

如果我尝试使用df.resample('30min').mean()重新取样,则数据会在2009-02-22结束。我希望它在2009-02-28结束,同时仍然从2009-02-01开始。我怎么能这样做?
 我怀疑它与closed函数的labelresample值有关,但在文档中没有很好地解释这些值。

这是一个重建数据框的片段:

import pandas as pd
from pandas import Period
dikt={'volume': {Period('2009-02-01/2009-02-07', 'W-SAT'): 48401.952789699571, Period('2009-02-08/2009-02-14', 'W-SAT'): 53429.330472103007, Period('2009-02-15/2009-02-21', 'W-SAT'): 50671.887387387389, Period('2009-02-22/2009-02-28', 'W-SAT'): 60565.506437768243}, 'close': {Period('2009-02-01/2009-02-07', 'W-SAT'): 830.70600858369096, Period('2009-02-08/2009-02-14', 'W-SAT'): 839.74248927038627, Period('2009-02-15/2009-02-21', 'W-SAT'): 790.54954954954951, Period('2009-02-22/2009-02-28', 'W-SAT'): 760.42811158798281}, 'open': {Period('2009-02-01/2009-02-07', 'W-SAT'): 830.54077253218884, Period('2009-02-08/2009-02-14', 'W-SAT'): 839.94527896995703, Period('2009-02-15/2009-02-21', 'W-SAT'): 790.73310810810813, Period('2009-02-22/2009-02-28', 'W-SAT'): 760.58690987124464}, 'high': {Period('2009-02-01/2009-02-07', 'W-SAT'): 832.58690987124464, Period('2009-02-08/2009-02-14', 'W-SAT'): 841.76394849785413, Period('2009-02-15/2009-02-21', 'W-SAT'): 792.39977477477476, Period('2009-02-22/2009-02-28', 'W-SAT'): 762.64055793991417}, 'low': {Period('2009-02-01/2009-02-07', 'W-SAT'): 828.78862660944208, Period('2009-02-08/2009-02-14', 'W-SAT'): 837.8122317596567, Period('2009-02-15/2009-02-21', 'W-SAT'): 788.89752252252254, Period('2009-02-22/2009-02-28', 'W-SAT'): 758.23497854077254}, 'timestamp': {Period('2009-02-01/2009-02-07', 'W-SAT'): 733442.16630901292, Period('2009-02-08/2009-02-14', 'W-SAT'): 733449.16630901292, Period('2009-02-15/2009-02-21', 'W-SAT'): 733456.24577702698, Period('2009-02-22/2009-02-28', 'W-SAT'): 733463.16630901292}}
pd.DataFrame(dikt, columns=['timestamp', 'open', 'high', 'low', 'close', 'volume'])

1 个答案:

答案 0 :(得分:1)

由于您希望包含与最后一个start_timePeriodIndex对应的end_time,因此DF.resample中存在的关键字参数几乎无济于事在这里,因为这些操作作为一个整体/相互排斥的性质(意味着改变任何arg会影响start_timeend_time,但不会影响两者。

相反,您可以对这些进行缩减采样,以采用日期频率"D",然后在30分钟内对每个组执行均值聚合。

df.resample('D').asfreq().resample('30T').mean()

如果要对conventionstart_time进行重新采样,则可以使用end_time arg。

要检查:

resamp_start = df.resample('30min').mean()
resamp_all = df.resample('D').asfreq().resample('30T').mean().head(resamp_start.shape[0])
resamp_start.equals(resamp_all)
True

如果您只需要重采样索引而不是它的聚合,那么将它的当前频率下采样到与重新采样的频率相对应的最低整数频率是有意义的[此处,1分钟] ,然后每隔30行采取一次切片,为每个 30分钟样本计算一次。

df.resample('T').asfreq().iloc[::30]

与之前的情况相比,这些会为您提供整个2009-02-28的样本,其中由于其归一化(时间调整为午夜)而导致的日期最多且不包括2009-02-28 .resample('D')操作。