解压并读取 Dukascopy .bi5 tick 文件

Question

我需要打开一个 .bi5 文件并阅读其中的内容，长话短说。问题：我有数以万计的 .bi5 文件，其中包含我需要解压缩和处理的时间序列数据（读取，转储到 pandas）。

我最终安装了 Python 3（我通常使用 2.7）专门用于 lzma 库，因为我运行使用 lzma back- Python 2.7 的端口，所以我承认运行和 Python 3，但没有成功。问题多到无法吐露，没人看长题！

我已经包含了其中一个 .bi5 文件，如果有人能够设法将其放入 Pandas Dataframe 并向我展示他们是如何做到的，那就太理想了。

ps文件只有几kb，一秒下载。首先十分感谢。

（文件） http://www.filedropper.com/13hticks

Answer 1

下面的代码应该可以解决问题。首先，它打开一个文件并在 lzma and then uses struct 中对其进行解码以解压缩二进制数据。

import lzma
import struct
import pandas as pd


def bi5_to_df(filename, fmt):
    chunk_size = struct.calcsize(fmt)
    data = []
    with lzma.open(filename) as f:
        while True:
            chunk = f.read(chunk_size)
            if chunk:
                data.append(struct.unpack(fmt, chunk))
            else:
                break
    df = pd.DataFrame(data)
    return df

最重要的是了解正确的格式。我四处搜索并尝试猜测 '>3i2f'（或 >3I2f）效果很好。（它是 big endian 3 ints 2 floats。你的建议是：'i4f' 不会产生合理的浮点数 - 无论是 big endian 还是 little endian。）对于 struct 和格式语法，请参阅 docs。

df = bi5_to_df('13h_ticks.bi5', '>3i2f')
df.head()
Out[177]: 
      0       1       2     3     4
0   210  110218  110216  1.87  1.12
1   362  110219  110216  1.00  5.85
2   875  110220  110217  1.00  1.12
3  1408  110220  110218  1.50  1.00
4  1884  110221  110219  3.94  1.00

更新

比较 bi5_to_df 和 https://github.com/ninety47/dukascopy 的输出，我从那里编译并运行 test_read_bi5。输出的第一行是：

time, bid, bid_vol, ask, ask_vol
2012-Dec-03 01:00:03.581000, 131.945, 1.5, 131.966, 1.5
2012-Dec-03 01:00:05.142000, 131.943, 1.5, 131.964, 1.5
2012-Dec-03 01:00:05.202000, 131.943, 1.5, 131.964, 2.25
2012-Dec-03 01:00:05.321000, 131.944, 1.5, 131.964, 1.5
2012-Dec-03 01:00:05.441000, 131.944, 1.5, 131.964, 1.5

和 bi5_to_df 在同一个输入文件上给出：

bi5_to_df('01h_ticks.bi5', '>3I2f').head()
Out[295]: 
      0       1       2     3    4
0  3581  131966  131945  1.50  1.5
1  5142  131964  131943  1.50  1.5
2  5202  131964  131943  2.25  1.5
3  5321  131964  131944  1.50  1.5
4  5441  131964  131944  1.50  1.5

所以一切似乎都很好（ninety47 的代码重新排序列）。

此外，使用 '>3I2f' 而不是 '>3i2f' 可能更准确（即 unsigned int 而不是 int）。

Answer 2

在将数据传输到 pandas 之前，您是否尝试过使用 numpy 来解析数据。也许是一个漫长的解决方案，但我会允许您在使用 Panda 进行分析之前操作和清理数据，而且它们之间的集成非常简单，

Answer 3

import requests
import struct
from lzma import LZMADecompressor, FORMAT_AUTO

# for download compressed EURUSD 2020/06/15/10h_ticks.bi5 file
res = requests.get("https://www.dukascopy.com/datafeed/EURUSD/2020/06/15/10h_ticks.bi5", stream=True)
print(res.headers.get('content-type'))

rawdata = res.content

decomp = LZMADecompressor(FORMAT_AUTO, None, None)
decompresseddata = decomp.decompress(rawdata)

firstrow = struct.unpack('!IIIff', decompresseddata[0: 20])
print("firstrow:", firstrow)
# firstrow: (436, 114271, 114268, 0.9399999976158142, 0.75)
# time = 2020/06/15/10h + (1 month) + 436 milisecond

secondrow = struct.unpack('!IIIff', decompresseddata[20: 40])
print("secondrow:", secondrow)
# secondrow: (537, 114271, 114267, 4.309999942779541, 2.25)

# time = 2020/06/15/10h + (1 month) + 537 milisecond
# ask = 114271 / 100000 = 1.14271
# bid = 114267 / 100000 = 1.14267
# askvolume = 4.31
# bidvolume = 2.25

# note that 00 -> is january
# "https://www.dukascopy.com/datafeed/EURUSD/2020/00/15/10h_ticks.bi5" for january
# "https://www.dukascopy.com/datafeed/EURUSD/2020/01/15/10h_ticks.bi5" for february

#  iterating
print(len(decompresseddata), int(len(decompresseddata) / 20))
for i in range(0, int(len(decompresseddata) / 20)):
    print(struct.unpack('!IIIff', decompresseddata[i * 20: (i + 1) * 20]))

解压并读取 Dukascopy .bi5 tick 文件

Decompress and read Dukascopy .bi5 tick files

python

csv

binary

lzma

pandas