获取“SeriesGroupBy”对象在熊猫中没有属性“高”加密数据的重采样

Question

因此，当我将kraken.com 历史数据加载到熊猫中，将其从滴答数据(时间和销售额)转换为OHLC (开放、高、低、关闭)数据时，我会遇到这样一个问题:当它们抛出错误时，我无法重新定义“高”和“低”，但是“第一”、“最后”和“和”工作得很好，我不知道为什么或者有哪些可用的选项，因为似乎有一个列举的选项列表(总猜测)。

下面的代码从ryantjo重估市场滴答数据获得了很大的灵感(盲目地进行正确的复制)。

high_df = df.resample("1H").agg({'trade_price': 'high'})

AttributeError: 'SeriesGroupBy' object has no attribute 'high'

完整代码：

import pandas as pd
df = pd.read_csv('C:/source/tradingdata/Kraken/STORJETH.csv', names=[
                      'ms', 'trade_price', 'volume'], parse_dates=True)
df['td'] = pd.to_timedelta(df['ms'], 'ms')
df = df.set_index(df['td'])
df.head()

open_df = df.resample("1H").agg({'trade_price': 'first'})
low_df = df.resample("1H").agg({'trade_price': 'high'})
low_df = df.resample("1H").agg({'trade_price': 'low'})
close_df = df.resample("1H").agg({'trade_price': 'last'})
volume_df = df.resample("1H").agg({'volume': 'sum'})

... More code that hasn't even been tested yet.

Answer 1

如果要从每个组中提取最高值，则需要使用max。

high_df = df.resample("1H").agg({'trade_price': 'max'})

通常，agg()函数使用字典，其中键是列名，值必须是熊猫函数的名称。