用熊猫重新采样OHLC数据

时间:2019-08-29 09:26:20

标签: python pandas

有很多类似的问题,都带有特定的问题和答案,但是我还没有找到合适的解决方案,也没有对如何做的理解。

我有典型数据:

date        open    high    low     close   volume      spot
1507842000  5313.3  5345.6  5272    5295.1  22612561    5301.462201
1507845600  5295.1  5326.7  5286.1  5301.1  12127159    5308.487754
1507849200  5301.1  5467.5  5301.1  5464.5  54568881    5401.331605
1507852800  5464.7  5497    5394.9  5402.5  58411322    5446.552171
1507856400  5402.1  5542    5402.1  5541.2  50272286    5466.652636
1507860000  5540.4  5980    5440.1  5694.5  182746217   5717.856124
1507863600  5689.8  5800    5604.5  5739.6  78341266    5709.488508
1507867200  5742    5897    5713.1  5753.2  79738461    5794.402674
1507870800  5753.1  5798.9  5520.3  5574.5  87621428    5640.727381
1507874400  5574.6  5672.6  5503.2  5608.4  56964404    5591.237093
1507878000  5607.5  5689.1  5570    5660    46132190    5640.761482
1507881600  5660    5743    5634.8  5652    50173714    5690.219952

不仅是OHLC,而且还有数量和现货价格。

我正在尝试将小时重新采样到几天。

所以,我加载了csv:

data_hourly = pd.read_csv('../data/hourly.csv', parse_dates=True, date_parser=date_parse, index_col=0, header=0)

(date_parse函数正在删除分钟/秒)

我尝试过:

data_daily = data_hourly.resample('1D').ohlc()

,这显然根本行不通;给我很多行的行。

我尝试过:

columns_dict = {'open': 'first', 'high': 'max', 'low': 'min', 'close': 'last', 'volume': 'sum', 'spot': 'average'}

data_daily = data_hourly.resample('1D',how = columns_dict)

但这会崩溃并显示错误:

  

“%r对象没有属性%r”%(类型(自身)。名称,attr)   AttributeError:“ SeriesGroupBy”对象没有属性“平均值”

此外,它告诉我“如何”字段仍然被弃用,但我没有看到以“新”方式进行操作的示例。

1 个答案:

答案 0 :(得分:1)

您很亲密,需要mean而不是average并将其传递给Resampler.agg

columns_dict = {'open': 'first', 'high': 'max', 'low': 'min', 
               'close': 'last', 'volume': 'sum', 'spot': 'mean'}
data_daily = data_hourly.resample('1D').agg(columns_dict)
print (data_daily)
              open    high     low   close     volume         spot
date                                                              
2017-10-12  5313.3  5467.5  5272.0  5464.5   89308601  5337.093853
2017-10-13  5464.7  5980.0  5394.9  5652.0  690401288  5633.099780