如何將具有日分辨率的Numpy時間序列庫存數據轉換為月或周分辨率

Question

我正在使用Harrison Kinsley的python腳本來繪制庫存數據（ Link ）

修改了腳本，以接受具有非常詳細的時間序列數據（每天的分辨率時間步長）的csv數據。 在此行將csv加載到numpy中。

date, closep, highp, lowp, openp, volume = np.loadtxt(out,delimiter=',', unpack=True,
                                                      converters={ 0: mdates.strpdate2num('%Y%m%d')})

是否可以將數據轉換為較少的數據點？ 按月分辨率還是按周分辨率？

Answer 1

好吧，您沒有確切地說出您想做什么。 較少的數據點意味着您可以選擇任何隨機的數據點來執行一些操作：在這里您有很多可能性：可以獲取給定的日/周/月的中位數或平均值，或者實際上可以是最大值/最小值。 編碼：

import numpy as np
share_prices  = np.array([100,102,104,106,104, 109, 110])
median_price = np.median(share_prices)
104.0
average_price = np.average(share_prices)
105.0
min_price = np.min(share_prices)
100
max_price = np.max(share_prices)
110

正是為此目的而編寫的出色的Pandas模塊，所有這些都將變得更加容易和有趣。