Question

我已将每日 ohlcv 数据重新采样为每周和每月，以获得每周和每月的百分比回报。

现在我意识到当我将它重新采样回每天时，我在每个月的日子里没有任何价值，这当然是有道理的。但我不确定如何在保持每周和每月百分比的同时将这些数据传回。你们认为最好的方法是什么，因为我想将其应用于每个市值的前 50 种货币。

对不起，我是一个蟒蛇/熊猫菜鸟 :D

import pandas as pd
import datetime
import pandas_datareader.data as web
import numpy as np
df = pd.read_csv("ethusdt.csv",parse_dates=["time"], index_col="time")

ohlc_dict = {
    'open':'first',
    'high':'max',
    'low':'min',
    'close':'last',
    'volume':'sum',
    'daily_change':'sum'
    }

df = df.resample('W').agg(ohlc_dict)

df['weekly_change'] = ((df['close'] / (df['open'])-1)*100)

ohlc_dict = {
    'open':'first',
    'high':'max',
    'low':'min',
    'close':'last',
    'volume':'sum',
    'daily_change':'sum',
    'weekly_change':'sum'
    
    }

df = df.resample('M').agg(ohlc_dict)

df['monthly_change'] = ((df['close'] / (df['open'])-1)*100)

ohlc_dict = {
    'open':'first',
    'high':'max',
    'low':'min',
    'close':'last',
    'volume':'sum',
    'daily_change':'sum',
    'weekly_change':'sum'
    
    }

df = df.resample('D').agg(ohlc_dict)

Answer 1

当您将一个名为 df 的 DataFrame 重新采样到一个也称为 df 的 DataFrame 中时，如下所示，您会用聚合数据覆盖您的日常数据，并且无法恢复。

ohlc_dict = {
    'open':'first',
    'high':'max',
    'low':'min',
    'close':'last',
    'volume':'sum',
    'daily_change':'sum'
    }
df = df.resample('W').agg(ohlc_dict)

如果您改为将聚合数据设为具有不同名称的新 DataFrame，则将旧数据保留在名为 df 的 DataFrame 中，并在新 DataFrame 中进行处理。像这样：

weeklydf = df.resample('W').agg(ohlc_dict)
weeklydf['weekly_change'] = ((weeklydf['close'] / (weeklydf['open'])-1)*100)

现在，如果您想将此新的“weekly_change”列添加到每日 DataFrame 中，您只需执行以下操作：

df["weekly_change"] = weeklydf["weekly_change"]

当然，“weekly_change”列每周只会有值，NaN 介于两者之间，但所有其他列仍将采用每日分辨率并存在所有数据。您可以执行类似的过程来获取每月数据。

将每日 ohlcv 数据重新采样为每周和每月

1 个答案: