外汇数据-分析日内数据

Question

我最近刚找到熊猫和蟒蛇。我已经看过韦斯的书了，而且我还反复地在这里搜索了熊猫贴着标签的问题，以此来收集这个问题的答案。所以我试过..。不幸的是，我那贫乏的编程智能正在闪耀;)

以下是我要做的事：

我有日内外汇数据(每小时)，我试图做一些相当简单的分析。我希望测试价格多久一次测试每日开放水平，或者拒绝它或通过它。

对我来说很简单..。我只是迷失在把所有的组件结合在一起，最终得到一个完整的解决方案。

在psuedocode中，我想要实现的是：

• 通过read_csv读取数据
• 计算每个每日开放水平(使用at_time?)
• 所有每小时的蜡烛
  • 测试烛光是否低于每日开放水平。
  • 测试蜡烛的关闭是否高于每日开放的水平。

​

如果有人能指出正确的方向，我会非常感激的。我到了我要放弃的时候了。我觉得答案应该很简单，但我现在迷失了方向

下面是我一直在使用的数据：

data = pd.read_csv('data/GBPUSD60.csv', 
                names=['Date','Time','Open','High','Low','Close','Volume'],
                parse_dates={'Timestamp': ['Date', 'Time']},
                index_col=['Timestamp'])

                # Get rid of the volume
                del data['Volume']

由此产生的DF：

                     Open    High    Low     Close   
Timestamp                   
2012-11-14 04:00:00  1.58766 1.58890 1.58749 1.58877      
2012-11-14 05:00:00  1.58874 1.58887 1.58819 1.58849      
2012-11-14 06:00:00  1.58849 1.58921 1.58831 1.58890      
2012-11-14 07:00:00  1.58890 1.58895 1.58811 1.58876      
2012-11-14 08:00:00  1.58874 1.58934 1.58841 1.58849      

我想我需要做两种方法之一：

• 要么按日分组数据，然后遍历行以测试日内蜡烛。
• 其次，我可以使用df.apply函数并生成一个函数来测试蜡烛。

这两种方法的问题是，我在访问我需要的字段时遇到了各种各样的麻烦。

Answer 1

你的伪代码被发现了。这是语义

步骤1:创建日期列

df['date'] = [i.date() for i in df.index]

第二步:每天开放(假设开盘价是当天第一支蜡烛上的开放栏)

df['dailyOpen'] = df.groupby('date').open.transform(lambda s: s[0])

第三步:比较

df['flag'] = (df.low < df.dailyOpen) & (df.close > df.dailyOpen)

如果您想要一天中发生上述情况的次数，这应该是可行的。

res = df.groupby('date').flag.sum()