大熊猫时间序列重新采样结束一天

Posted 2021-04-11

我怀疑许多处理时间序列数据的人已经遇到过这个问题，而且大熊猫似乎并没有提供直接的解决方案（还有！）：

假设：

1. 您有一个时间序列的每日数据与关闭价格，按日期（日）索引。
2. 今天是19JUN。最后收盘数据值为18JUN。
3. 您希望将每日数据重新采样到OHLC条形图中，并以某个给定频率（假设M或2M）结束18JUN。

所以对于M freq，最后一个是19MAY-18JUN，前一个是19APR-18MAY，依此类推......

ts.resample('M', how='ohlc')

将进行重新取样，但“M”为'end_of_month'期间，因此结果将给出2014-05的整月和2014-06的2周期间，因此您的最后一个栏将不是'月度栏' 。那不是我们想要的！

根据2M频率，给出我的样本时间序列，我的测试给了我标记为2014-07-31的最后一个标签（以前标记为2014-05-31），这是非常误导的，因为JUL上没有数据....最近两个月的酒吧再次只是在最近两周。

使用以下命令可以轻松创建正确的DatetimeIndex：

pandas.date_range(end='2014-06-18', freq='2M', periods=300) + datetime.timedelta(days=18)

（Pandas文档更喜欢通过做同样的事情

pandas.date_range(end='2014-06-18', freq='2M', periods=300) + pandas.tseries.offsets.DateOffset(days=18)

但是我的测试表明这种方法，虽然更多'pandaïc'慢了2倍！）

无论哪种方式，我们都无法将正确的DatetimeIndex应用于ts.resample（）。

似乎pandas开发团队（Date ranges in Pandas）意识到了这个问题，但与此同时，你怎么能解决这个问题，让OHLC的滚动频率在时间序列的最后一天停滞不前？

答案

这基本上是通过复制/粘贴一起攻击的，我肯定在某些情况下会失败 - 但下面是一些自定义偏移量的起始代码，它固定在一个月的特定日期。

from pandas.tseries.offsets import (as_datetime, as_timestamp, apply_nat, 
                               DateOffset, relativedelta, datetime)
class MonthAnchor(DateOffset):
    """DateOffset Anchored to day in month

        Arguments:
        day_anchor: day to be anchored to
    """

    def __init__(self, n=1, **kwds):
        super(MonthAnchor, self).__init__(n)

        self.kwds = kwds
        self._dayanchor = self.kwds['day_anchor']

    @apply_nat
    def apply(self, other):
        n = self.n

        if other.day > self._dayanchor and n <= 0:  # then roll forward if n<=0
            n += 1
        elif other.day < self._dayanchor and n > 0:
            n -= 1

        other = as_datetime(other) + relativedelta(months=n)
        other = datetime(other.year, other.month, self._dayanchor)
        return as_timestamp(other)

    def onOffset(self, dt):
        return dt.day == self._dayanchor

    _prefix = ''

用法示例：

In [28]: df = pd.DataFrame(data=np.linspace(50, 100, 200), index=pd.date_range(end='2014-06-18', periods=200), columns=['value'])

In [29]: df.head()
Out[29]: 
                value
2013-12-01  50.000000
2013-12-02  50.251256
2013-12-03  50.502513
2013-12-04  50.753769
2013-12-05  51.005025


In [61]: month_offset = MonthAnchor(day_anchor = df.index[-1].day + 1)

In [62]: df.resample(month_offset, how='ohlc')
Out[62]: 
                value                                   
                 open        high        low       close
2013-11-19  50.000000   54.271357  50.000000   54.271357
2013-12-19  54.522613   62.060302  54.522613   62.060302
2014-01-19  62.311558   69.849246  62.311558   69.849246
2014-02-19  70.100503   76.884422  70.100503   76.884422
2014-03-19  77.135678   84.673367  77.135678   84.673367
2014-04-19  84.924623   92.211055  84.924623   92.211055
2014-05-19  92.462312  100.000000  92.462312  100.000000