pandas重采样函数打印中间蜡笔

Question

当我们需要将分钟数据转换为日常数据时，我们使用以下代码

df.resample('D').apply({'low': lambda s: s.min(),'high': lambda s: s.max(),'volume': lambda s: s.sum()}).dropna() 

它每天给我一支日用的蜡烛。现在我要看的不是给我一根蜡烛，而是给我那天所有的蜡烛(每日一支)，中间状态。

假设一天从9:30开始，在16:00关闭，因此第一个每日蜡烛将具有9:30分钟的打开/高/低/关闭，在9:31打开将是9:30关闭将是9:31，高，低将被比较并相应地更新。

这是我需要的市场回放功能，以便用户可以看到谁每天的烛光是在一天中的数据开始得到变化。

任何帮助都将不胜感激。

Answer 1

我第一次误解了你的问题，现在为你提供一个新的答案。

首先，让我们获取一些数据：

import yfinance as yf

ticker = "msft"
df = yf.download(ticker, period="4d", interval="1m",)
df = df.loc[:, ["Open", "High", "Low", "Close", "Volume"]]

让我们创建一个名为df1的新数据帧，它将保存您的结果。由于这是最后一段数据，因此每个条形图的结束线都是相同的，因此我们将从这条线开始。

df1 = pd.DataFrame()
df1["Close"] = df["Close"]

如果我们按日期分组，那么open将始终是该日期的第一个值。

df1["Open"] = df.groupby(pd.Grouper(level=0, freq="D"))["Open"].transform("first")

到目前为止，我们有：

                            Close    Open
Datetime                                 
2020-06-10 09:30:00-04:00 191.260 191.125
2020-06-10 09:31:00-04:00 191.260 191.125
2020-06-10 09:33:00-04:00 191.405 191.125
2020-06-10 09:34:00-04:00 191.490 191.125
2020-06-10 09:35:00-04:00 191.510 191.125
...                           ...     ...
2020-06-15 15:55:00-04:00 188.690 184.580
2020-06-15 15:56:00-04:00 188.700 184.580
2020-06-15 15:57:00-04:00 188.610 184.580
2020-06-15 15:58:00-04:00 188.470 184.580
2020-06-15 15:59:00-04:00 189.170 184.580

使用扩展来计算低值和高值。

df1["Low"] = (
    df.groupby(pd.Grouper(level=0, freq="D"))["Low"].expanding().min().droplevel(0)
)

df1["High"] = (
    df.groupby(pd.Grouper(level=0, freq="D"))["High"].expanding().max().droplevel(0)
)

最后，可以使用cumsum over groupby date来计算体积。

df1["Volume"] = df.groupby(pd.Grouper(level=0, freq="D"))["Volume"].cumsum()

您的最终数据帧如下所示：

print(df1[["Open", "High", "Low", "Close", "Volume"]])
                             Open    High     Low   Close    Volume
Datetime                                                           
2020-06-10 09:30:00-04:00 191.125 191.390 191.010 191.260    965121
2020-06-10 09:31:00-04:00 191.125 191.450 191.010 191.260   1112327
2020-06-10 09:33:00-04:00 191.125 191.590 191.010 191.405   1433916
2020-06-10 09:34:00-04:00 191.125 191.590 191.010 191.490   1566392
2020-06-10 09:35:00-04:00 191.125 191.800 191.010 191.510   1759454
...                           ...     ...     ...     ...       ...
2020-06-15 15:55:00-04:00 184.580 190.820 184.010 188.690  26253657
2020-06-15 15:56:00-04:00 184.580 190.820 184.010 188.700  26477100
2020-06-15 15:57:00-04:00 184.580 190.820 184.010 188.610  26738140
2020-06-15 15:58:00-04:00 184.580 190.820 184.010 188.470  27120167
2020-06-15 15:59:00-04:00 184.580 190.820 184.010 189.170  27933060

[1421 rows x 5 columns]