无法从 1 分钟到 5 分钟的数据重新采样 pandas 时间序列

Posted 2023-02-18

【中文标题】无法从 1 分钟到 5 分钟的数据重新采样 pandas 时间序列

【英文标题】：Trouble resampling pandas timeseries from 1min to 5min data

【发布时间】：2022-01-09 18:51:13

【问题描述】：

我有一个 1 分钟间隔的盘中股票数据，如下所示：

import yfinance as yf
import pandas as pd
n = yf.download('^nsei', period= '5d', interval= '1m')

我正在尝试将其重新采样为“5m”数据，如下所示：

n = n.resample('5T').agg(dict(zip(n.columns, ['first', 'max', 'min', 'last', 'last', 'sum'])))

但它会尝试重新采样不在我的数据中的日期时间信息。市场数据仅在下午 03:30 之前可用，但是当我查看重新采样的数据帧时，我发现它试图在整个 24 小时内重新采样。 如何在下午 3:30 之前停止重新采样并继续进行下一个日期？ 由于这个原因，现在数据框主要具有 NaN 值。欢迎提出任何建议。

【参考方案1】：

agg() 是为每一列应用单独的操作方法，我使用它是为了看到股票技术分析中所谓的“烛台”形态。 通过删除 NaN 值，我能够解决此问题。

【参考方案2】：

我不确定你想用 agg() 函数实现什么。假设'first' 指第一个分位数，'last' 指最后一个分位数，并且您想计算每列的一些统计信息，我建议您执行以下操作：

获取您的数据：

import yfinance as yf
import pandas as pd
n = yf.download('^nsei', period= '5d', interval= '1m')

重新采样您的数据：

注意：您的结果与使用 n.resample('5T').first() 重新采样时的结果相同，但这意味着数据框中的每个值 等于 5 分钟间隔中的第一个值，包括 5 价值观。更合乎逻辑的重采样方法是使用mean() 或 sum()函数如下图。

如果这是股票价格数据，使用mean() 更有意义：

resampled_df = n.resample('5T').mean()

要删除超出工作库存时间的重新采样时间，您有 2 个选项。

选项 1： 删除 na 值：

filtered_df = resampled_df.dropna()

注意：如果您使用 sum()，这将不起作用，因为结果不会包含缺失值而是零。

选项 2 基于开始和结束时间的过滤器

获取数据作为datetime.time 对象可用的一天中的最小和最大时间：

start = n.index.min().time() # 09:15 as datetime.time object
end = n.index.max().time() # 15:29 as datetime.time object

根据开始和结束时间过滤数据框：

filtered_df = resampled_df.between_time(start, end)

获取统计数据：

statistics = filtered_df.describe()
statistics

请注意，describe() 不会包含总和，因此要添加它，您可以这样做：

statistics = pd.concat([statistics, filtered_df.agg(['sum'])])
statistics

输出：