Python pandas 将 15 分钟 ohlc 重采样为 75 分钟 ohlc
Python pandas resample 15 minutes ohlc to 75 minutes ohlc
以下是印度市场一只股票的数据框。
open high low close volume
date
2021-06-17 09:15:00+05:30 815.55 819.15 807.05 818.45 54372
2021-06-17 09:30:00+05:30 818.45 820.70 817.20 818.00 22417
2021-06-17 09:45:00+05:30 818.00 820.70 818.00 820.00 14685
2021-06-17 10:00:00+05:30 820.00 820.55 818.45 820.55 17466
2021-06-17 10:15:00+05:30 820.55 823.75 820.00 821.00 31069
2021-06-17 10:30:00+05:30 821.00 821.00 818.40 818.45 11139
2021-06-17 10:45:00+05:30 819.05 819.55 817.20 819.25 17747
2021-06-17 11:00:00+05:30 819.35 820.30 818.80 819.00 6770
2021-06-17 11:15:00+05:30 819.50 819.50 817.60 818.55 7616
2021-06-17 11:30:00+05:30 818.95 819.50 818.00 819.40 6856
2021-06-17 11:45:00+05:30 818.90 820.00 818.55 819.90 4147
2021-06-17 12:00:00+05:30 819.90 822.90 818.15 822.45 18668
2021-06-17 12:15:00+05:30 822.45 822.50 820.35 820.55 8529
2021-06-17 12:30:00+05:30 820.50 821.95 819.00 821.50 15214
2021-06-17 12:45:00+05:30 821.95 822.25 821.00 821.50 6072
2021-06-17 13:00:00+05:30 821.50 824.25 820.80 824.25 26428
2021-06-17 13:15:00+05:30 824.70 827.00 823.50 825.65 54448
2021-06-17 13:30:00+05:30 825.70 828.40 825.50 828.25 56071
2021-06-17 13:45:00+05:30 828.10 829.95 823.60 824.20 76385
2021-06-17 14:00:00+05:30 824.20 825.30 821.65 822.20 36921
2021-06-17 14:15:00+05:30 822.70 823.95 821.25 822.75 25237
2021-06-17 14:30:00+05:30 822.75 823.95 821.50 822.55 22952
2021-06-17 14:45:00+05:30 822.55 822.60 820.15 821.90 22285
2021-06-17 15:00:00+05:30 821.60 822.75 820.45 820.65 28557
2021-06-17 15:15:00+05:30 820.45 821.80 818.00 819.65 50378
2021-06-18 09:15:00+05:30 820.50 835.00 820.50 831.40 246519
2021-06-18 09:30:00+05:30 831.00 833.35 829.00 830.00 142612
2021-06-18 09:45:00+05:30 830.00 830.55 822.50 822.80 114185
2021-06-18 10:00:00+05:30 823.45 827.25 821.85 824.45 57072
2021-06-18 10:15:00+05:30 824.45 826.30 822.25 822.40 29404
2021-06-18 10:30:00+05:30 822.40 823.95 819.55 821.00 48454
2021-06-18 10:45:00+05:30 821.20 821.85 811.95 812.75 69394
2021-06-18 11:00:00+05:30 812.75 822.00 812.60 821.30 70689
2021-06-18 11:15:00+05:30 821.30 822.35 819.55 822.00 25185
2021-06-18 11:30:00+05:30 821.90 822.00 820.05 820.90 17239
2021-06-18 11:45:00+05:30 821.15 822.85 820.30 822.50 17539
2021-06-18 12:00:00+05:30 822.50 822.50 820.30 822.10 19281
2021-06-18 12:15:00+05:30 822.10 824.15 821.00 823.55 24699
2021-06-18 12:30:00+05:30 823.50 823.85 821.30 823.55 14806
2021-06-18 12:45:00+05:30 823.20 823.80 821.40 822.25 9944
2021-06-18 13:00:00+05:30 822.25 822.25 818.60 820.45 15122
2021-06-18 13:15:00+05:30 820.45 821.80 817.00 817.60 12859
2021-06-18 13:30:00+05:30 817.60 819.75 817.20 819.70 14129
2021-06-18 13:45:00+05:30 819.70 821.65 819.00 821.00 9999
2021-06-18 14:00:00+05:30 821.50 822.25 820.50 820.65 10744
2021-06-18 14:15:00+05:30 820.65 822.00 820.45 822.00 11466
2021-06-18 14:30:00+05:30 822.00 823.50 821.25 822.80 14608
2021-06-18 14:45:00+05:30 822.75 827.00 822.25 824.35 36461
2021-06-18 15:00:00+05:30 824.35 826.85 822.00 825.70 127325
2021-06-18 15:15:00+05:30 826.20 828.60 825.05 826.00 119421
根据观察，第一根蜡烛在 9:15 开始，最后一根蜡烛在 15 分钟的时间范围内在 3:15 结束。
我正在尝试将此数据重新采样为 75 分钟时间。
我试过下面的代码
df=df.resample(rule='75T', closed='left', label='left',origin=df.index.min()).agg(OrderedDict([('open', 'first'),('high', 'max'),('low', 'min'),('close', 'last'),('volume', 'sum')])).dropna()
这确实产生了几乎正确的结果，除了一个问题。
open high low close volume
date
2021-06-17 09:15:00+05:30 815.55 823.75 807.05 821.00 140009
2021-06-17 10:30:00+05:30 821.00 821.00 817.20 819.40 50128
2021-06-17 11:45:00+05:30 818.90 822.90 818.15 821.50 52630
2021-06-17 13:00:00+05:30 821.50 829.95 820.80 822.20 250253
2021-06-17 14:15:00+05:30 822.70 823.95 818.00 819.65 149409
2021-06-18 09:00:00+05:30 820.50 835.00 820.50 824.45 560388
2021-06-18 10:15:00+05:30 824.45 826.30 811.95 822.00 243126
2021-06-18 11:30:00+05:30 821.90 824.15 820.05 823.55 93564
2021-06-18 12:45:00+05:30 823.20 823.80 817.00 821.00 62053
2021-06-18 14:00:00+05:30 821.50 827.00 820.45 825.70 200604
2021-06-18 15:15:00+05:30 826.20 828.60 825.05 826.00 119421
2021-06-21 08:15:00+05:30 823.80 829.70 818.90 829.00 70687
2021-06-21 09:30:00+05:30 829.50 833.95 827.55 831.40 199029
2021-06-21 10:45:00+05:30 831.95 832.50 827.60 831.70 83466
2021-06-21 12:00:00+05:30 831.70 833.15 830.00 833.00 90051
2021-06-21 13:15:00+05:30 832.80 833.20 828.10 829.25 55181
2021-06-21 14:30:00+05:30 829.10 831.45 825.65 828.50 106299
正如我们在第一天看到的那样，一切看起来都很棒。第二天 (2021-06-18) 从 09:00 而不是 09:15 开始。此外，即使我没有在 15 分钟的时间范围内提供基础数据，第 3 天 (2021-06-21) 的结果从 08:15.
开始
我该如何解决这个问题？我希望蜡烛每天在 9:15 开始，最后一根蜡烛应该在 14:15 结束，因为印度市场在 15:30 下午关闭。
我认为问题在于 resample 的 original 是索引的第一个值，而不是每天。要解决这个问题，您可以 groupby 日期并使用每个组的第一个索引：
print (df.groupby(df.index.date)
.apply(lambda d: d.resample(rule='75T', closed='left', label='left', origin=d.index.min())
.agg({'open':'first','high': 'max','low':'min','close': 'last','volume': 'sum'}).dropna()))
open high low close volume
date
2021-06-17 2021-06-17 09:15:00+05:30 815.55 823.75 807.05 821.00 140009
2021-06-17 10:30:00+05:30 821.00 821.00 817.20 819.40 50128
2021-06-17 11:45:00+05:30 818.90 822.90 818.15 821.50 52630
2021-06-17 13:00:00+05:30 821.50 829.95 820.80 822.20 250253
2021-06-17 14:15:00+05:30 822.70 823.95 818.00 819.65 149409
2021-06-18 2021-06-18 09:15:00+05:30 820.50 835.00 820.50 822.40 589792
2021-06-18 10:30:00+05:30 822.40 823.95 811.95 820.90 230961
2021-06-18 11:45:00+05:30 821.15 824.15 820.30 822.25 86269
2021-06-18 13:00:00+05:30 822.25 822.25 817.00 820.65 62853
2021-06-18 14:15:00+05:30 820.65 828.60 820.45 826.00 309281
以下是印度市场一只股票的数据框。
open high low close volume
date
2021-06-17 09:15:00+05:30 815.55 819.15 807.05 818.45 54372
2021-06-17 09:30:00+05:30 818.45 820.70 817.20 818.00 22417
2021-06-17 09:45:00+05:30 818.00 820.70 818.00 820.00 14685
2021-06-17 10:00:00+05:30 820.00 820.55 818.45 820.55 17466
2021-06-17 10:15:00+05:30 820.55 823.75 820.00 821.00 31069
2021-06-17 10:30:00+05:30 821.00 821.00 818.40 818.45 11139
2021-06-17 10:45:00+05:30 819.05 819.55 817.20 819.25 17747
2021-06-17 11:00:00+05:30 819.35 820.30 818.80 819.00 6770
2021-06-17 11:15:00+05:30 819.50 819.50 817.60 818.55 7616
2021-06-17 11:30:00+05:30 818.95 819.50 818.00 819.40 6856
2021-06-17 11:45:00+05:30 818.90 820.00 818.55 819.90 4147
2021-06-17 12:00:00+05:30 819.90 822.90 818.15 822.45 18668
2021-06-17 12:15:00+05:30 822.45 822.50 820.35 820.55 8529
2021-06-17 12:30:00+05:30 820.50 821.95 819.00 821.50 15214
2021-06-17 12:45:00+05:30 821.95 822.25 821.00 821.50 6072
2021-06-17 13:00:00+05:30 821.50 824.25 820.80 824.25 26428
2021-06-17 13:15:00+05:30 824.70 827.00 823.50 825.65 54448
2021-06-17 13:30:00+05:30 825.70 828.40 825.50 828.25 56071
2021-06-17 13:45:00+05:30 828.10 829.95 823.60 824.20 76385
2021-06-17 14:00:00+05:30 824.20 825.30 821.65 822.20 36921
2021-06-17 14:15:00+05:30 822.70 823.95 821.25 822.75 25237
2021-06-17 14:30:00+05:30 822.75 823.95 821.50 822.55 22952
2021-06-17 14:45:00+05:30 822.55 822.60 820.15 821.90 22285
2021-06-17 15:00:00+05:30 821.60 822.75 820.45 820.65 28557
2021-06-17 15:15:00+05:30 820.45 821.80 818.00 819.65 50378
2021-06-18 09:15:00+05:30 820.50 835.00 820.50 831.40 246519
2021-06-18 09:30:00+05:30 831.00 833.35 829.00 830.00 142612
2021-06-18 09:45:00+05:30 830.00 830.55 822.50 822.80 114185
2021-06-18 10:00:00+05:30 823.45 827.25 821.85 824.45 57072
2021-06-18 10:15:00+05:30 824.45 826.30 822.25 822.40 29404
2021-06-18 10:30:00+05:30 822.40 823.95 819.55 821.00 48454
2021-06-18 10:45:00+05:30 821.20 821.85 811.95 812.75 69394
2021-06-18 11:00:00+05:30 812.75 822.00 812.60 821.30 70689
2021-06-18 11:15:00+05:30 821.30 822.35 819.55 822.00 25185
2021-06-18 11:30:00+05:30 821.90 822.00 820.05 820.90 17239
2021-06-18 11:45:00+05:30 821.15 822.85 820.30 822.50 17539
2021-06-18 12:00:00+05:30 822.50 822.50 820.30 822.10 19281
2021-06-18 12:15:00+05:30 822.10 824.15 821.00 823.55 24699
2021-06-18 12:30:00+05:30 823.50 823.85 821.30 823.55 14806
2021-06-18 12:45:00+05:30 823.20 823.80 821.40 822.25 9944
2021-06-18 13:00:00+05:30 822.25 822.25 818.60 820.45 15122
2021-06-18 13:15:00+05:30 820.45 821.80 817.00 817.60 12859
2021-06-18 13:30:00+05:30 817.60 819.75 817.20 819.70 14129
2021-06-18 13:45:00+05:30 819.70 821.65 819.00 821.00 9999
2021-06-18 14:00:00+05:30 821.50 822.25 820.50 820.65 10744
2021-06-18 14:15:00+05:30 820.65 822.00 820.45 822.00 11466
2021-06-18 14:30:00+05:30 822.00 823.50 821.25 822.80 14608
2021-06-18 14:45:00+05:30 822.75 827.00 822.25 824.35 36461
2021-06-18 15:00:00+05:30 824.35 826.85 822.00 825.70 127325
2021-06-18 15:15:00+05:30 826.20 828.60 825.05 826.00 119421
根据观察，第一根蜡烛在 9:15 开始，最后一根蜡烛在 15 分钟的时间范围内在 3:15 结束。
我正在尝试将此数据重新采样为 75 分钟时间。
我试过下面的代码
df=df.resample(rule='75T', closed='left', label='left',origin=df.index.min()).agg(OrderedDict([('open', 'first'),('high', 'max'),('low', 'min'),('close', 'last'),('volume', 'sum')])).dropna()
这确实产生了几乎正确的结果，除了一个问题。
open high low close volume
date
2021-06-17 09:15:00+05:30 815.55 823.75 807.05 821.00 140009
2021-06-17 10:30:00+05:30 821.00 821.00 817.20 819.40 50128
2021-06-17 11:45:00+05:30 818.90 822.90 818.15 821.50 52630
2021-06-17 13:00:00+05:30 821.50 829.95 820.80 822.20 250253
2021-06-17 14:15:00+05:30 822.70 823.95 818.00 819.65 149409
2021-06-18 09:00:00+05:30 820.50 835.00 820.50 824.45 560388
2021-06-18 10:15:00+05:30 824.45 826.30 811.95 822.00 243126
2021-06-18 11:30:00+05:30 821.90 824.15 820.05 823.55 93564
2021-06-18 12:45:00+05:30 823.20 823.80 817.00 821.00 62053
2021-06-18 14:00:00+05:30 821.50 827.00 820.45 825.70 200604
2021-06-18 15:15:00+05:30 826.20 828.60 825.05 826.00 119421
2021-06-21 08:15:00+05:30 823.80 829.70 818.90 829.00 70687
2021-06-21 09:30:00+05:30 829.50 833.95 827.55 831.40 199029
2021-06-21 10:45:00+05:30 831.95 832.50 827.60 831.70 83466
2021-06-21 12:00:00+05:30 831.70 833.15 830.00 833.00 90051
2021-06-21 13:15:00+05:30 832.80 833.20 828.10 829.25 55181
2021-06-21 14:30:00+05:30 829.10 831.45 825.65 828.50 106299
正如我们在第一天看到的那样，一切看起来都很棒。第二天 (2021-06-18) 从 09:00 而不是 09:15 开始。此外，即使我没有在 15 分钟的时间范围内提供基础数据，第 3 天 (2021-06-21) 的结果从 08:15.
开始我该如何解决这个问题？我希望蜡烛每天在 9:15 开始，最后一根蜡烛应该在 14:15 结束，因为印度市场在 15:30 下午关闭。
我认为问题在于 resample 的 original 是索引的第一个值，而不是每天。要解决这个问题，您可以 groupby 日期并使用每个组的第一个索引：
print (df.groupby(df.index.date)
.apply(lambda d: d.resample(rule='75T', closed='left', label='left', origin=d.index.min())
.agg({'open':'first','high': 'max','low':'min','close': 'last','volume': 'sum'}).dropna()))
open high low close volume
date
2021-06-17 2021-06-17 09:15:00+05:30 815.55 823.75 807.05 821.00 140009
2021-06-17 10:30:00+05:30 821.00 821.00 817.20 819.40 50128
2021-06-17 11:45:00+05:30 818.90 822.90 818.15 821.50 52630
2021-06-17 13:00:00+05:30 821.50 829.95 820.80 822.20 250253
2021-06-17 14:15:00+05:30 822.70 823.95 818.00 819.65 149409
2021-06-18 2021-06-18 09:15:00+05:30 820.50 835.00 820.50 822.40 589792
2021-06-18 10:30:00+05:30 822.40 823.95 811.95 820.90 230961
2021-06-18 11:45:00+05:30 821.15 824.15 820.30 822.25 86269
2021-06-18 13:00:00+05:30 822.25 822.25 817.00 820.65 62853
2021-06-18 14:15:00+05:30 820.65 828.60 820.45 826.00 309281