pandas 在特定时间(不是午夜)将数据帧标准化为数据(引号)
Posted
技术标签:
【中文标题】pandas 在特定时间(不是午夜)将数据帧标准化为数据(引号)【英文标题】:pandas Normalize dataframe to data (quotes) at specific time (not midnight) 【发布时间】:2015-06-04 22:56:59 【问题描述】:我有一个数据框 (ds) 中的每日数据,看起来像这样跨越几年:
对于每一天,我需要将所有报价标准化为该特定日期的特定时间。例如,在 6 月 1 日,我需要将所有报价标准化为 6 月 1 日下午 3 点的报价,但在 6 月 2 日,我需要将它们全部标准化为 6 月 2 日下午 3 点的报价。
我有一个包含每天下午 3 点所有报价的数据框,如下所示:
所以我认为如果我可以简单地将我的报价数据帧 (ds) 除以下午 3 点数据帧,它会起作用:
dr = ds.groupby(ds.index.date).apply(lambda x: x / b)
值得注意的是,下午 3 点的数据帧比报价数据帧 (ds) 包含 更多 天。因此,报价数据帧必须划分正确的相应天数在 3pm 数据框中,可能使用类似b.index.date
我也尝试过不使用单独的数据框,而是从报价数据框 (ds) 本身中提取最后一个可用的报价 - 这也不起作用:
编辑:感谢帝斯曼的建议。这有帮助吗?不确定我是否应该 pd.to_string() 数据帧,因为这似乎也不容易在剪贴板中读取。
引用 ds 数据框:
bid ask mid
2000-01-04 14:45:12+00:00 281.0 281.5 281.25
2000-01-04 14:46:10+00:00 281.0 282.0 281.5
2000-01-04 14:47:14+00:00 281.2 282.2 281.7
2000-01-04 14:47:22+00:00 281.25 281.85 281.55
2000-01-04 14:47:47+00:00 281.25 281.75 281.5
2000-01-04 14:48:09+00:00 281.4 281.9 281.65
2000-01-04 14:48:40+00:00 281.3 282.3 281.8
2000-01-04 14:49:40+00:00 281.3 281.8 281.55
2000-01-04 14:49:45+00:00 281.2 282.2 281.7
2000-01-04 14:50:53+00:00 281.4 281.9 281.65
下午 3 点数据帧:
bid_close ask_close price
2000-01-04 15:00:00+00:00 281.35 281.95 281.65
2000-01-05 15:00:00+00:00 280.73 281.48 281.105
2000-01-06 15:00:00+00:00 279.7 280.3 280.0
2000-01-07 15:00:00+00:00 282.3 282.9 282.6
2000-01-10 15:00:00+00:00 281.7 282.3 282.0
2000-01-11 15:00:00+00:00 282.1 282.7 282.4
2000-01-12 15:00:00+00:00 281.9 282.5 282.2
2000-01-13 15:00:00+00:00 281.9 282.7 282.3
2000-01-14 15:00:00+00:00 283.15 283.75 283.45
2000-01-17 15:00:00+00:00 285.5 286.0 285.75
还有命令:
c = ds.groupby(ds.index.date).apply(lambda x: x / x.between_time('14:30:00', '14:59:59').resample('30Min', how='last').dropna(how='all'))
我也试过了(看起来很接近):
df = a.groupby(a.index.date).apply(lambda x: x / x.between_time('14:45:00', '14:59:59').tail(1))
这是一个似乎相关的链接(以及我基于上述命令的内容):Grouping daily data by month in python/pandas and then normalizing
【问题讨论】:
旁白:不仅在问题中插入文本(而不是图像)更容易,而且如果您复制并粘贴文本,其他人可以选择这些部分并使用pd.read_clipboard()
重现你的框架。
@DSM 你是否使用 pd.to_clipboard 然后将其粘贴到 SO 中?
@camdenl 我已经更新了。我认为它现在大部分是可读的(除了时间戳在日期和时间之间分开)。
【参考方案1】:
这是第一天的简化示例,考虑到 d 是您的 quotes ds dataframe 和 n 是您的下午 3 点数据框:
#get the first day of the 3pm dataframe
first_day = n.index.levels[0][0]
#get the day of the quotes dataframe from the first day of 3pm frame
d1 = d.ix[first_day]
#get the 3pm values for the first day
n1 = n.ix[first_day]
#normalize the bid column, don't forget to modify the range variable
norm = pd.concat([d1[d1.columns[i]].apply(lambda x: x / n1[n1.columns[i]]) for i in range(3)], axis = 1)
>>> norm
15:00:00+00:00 15:00:00+00:00 15:00:00+00:00
14:45:12+00:00 0.9987559978674249 0.9984039723355205 0.9985797976211611
14:46:10+00:00 0.9987559978674249 1.0001773364071644 0.9994674241079354
14:47:14+00:00 0.9994668562288963 1.000886682035822 1.0001775252973548
14:47:22+00:00 0.9996445708192642 0.9996453271856713 0.9996449494052904
14:47:47+00:00 0.9996445708192642 0.9992906543713425 0.9994674241079354
14:48:09+00:00 1.0001777145903676 0.9998226635928356 1.0
14:48:40+00:00 0.9998222854096321 1.0012413548501509 1.0005325758920647
14:49:40+00:00 0.9998222854096321 0.9994679907785069 0.9996449494052904
14:49:45+00:00 0.9994668562288963 1.000886682035822 1.0001775252973548
14:50:53+00:00 1.0001777145903676 0.9998226635928356 1.0
【讨论】:
我最终采用了另一种方式(在匹配的“日期”列与原始引号框架的有序合并期间填写下午 3 点的引号,然后将列分开)并得到相同的答案。所以你的答案也有效。谢谢! 可能也值得发布您的解决方案!【参考方案2】:这就是我所做的 -
我创建了一个日期列,以便两个数据框匹配:
ds['date'] = ds.index.date
我重新制作了下午 3 点的数据框,这样就没有多余的日子了:
b = ds.groupby(ds.index.date).apply(lambda x: x.between_time('14:45:00', '14:59:59').tail(1))
b = b.rename(columns='bid': 'b_bid', 'ask': 'b_ask', 'mid': 'b_mid')
b.index = b.index.droplevel(1)
b.index = pd.to_datetime(b.index)
b = b.drop(['source'], axis=1)
然后我在一个新的数据框中合并了两个匹配的日期并填写了下午 3 点的报价:
combined = pd.ordered_merge(ds, fix, on='date', fill_method='pad')
combined.index = ds.index
combined = combined.drop(['date'], axis=1)
最后我创建了规范化的列,后来我把它们拉到了他们自己的数据框中:
combined['norm_bid'] = combined['bid'] / combined['b_bid']
combined['norm_ask'] = combined['ask'] / combined['b_ask']
combined['norm_mid'] = combined['mid'] / combined['b_mid']
【讨论】:
以上是关于pandas 在特定时间(不是午夜)将数据帧标准化为数据(引号)的主要内容,如果未能解决你的问题,请参考以下文章