熊貓數據幀如何在時間序列數據中從一個時間幀獲取數據到另一個1分鍾時間幀

Question

如何將以下數據的時間序列數據從一個時間段更改為1分鍾時間段

時間序列數據：

                       Open     High      Low      Close
DateTime                                               
2019-03-22 09:15:00     1342     1342     1342     1342
2019-03-22 09:15:09     1344     1344     1344     1344
2019-03-22 09:15:12   1344.4   1344.4   1344.4   1344.4
2019-03-22 09:15:17     1345     1345     1345     1345
2019-03-22 09:15:22   1344.4   1345.4   1344.4   1344.4
2019-03-22 09:15:24     1349     1349     1349     1349
2019-03-22 09:15:32     1346     1346     1346     1346
2019-03-22 09:15:36     1346     1346     1346     1346
2019-03-22 09:15:41  1346.25  1346.25  1346.25  1346.25
2019-03-22 09:15:43  1346.25  1346.25  1346.25  1346.25
2019-03-22 09:15:45     1346     1346     1346     1346
2019-03-22 09:15:55  1344.45  1344.45  1344.45  1344.45
2019-03-22 09:16:00   1344.4   1344.4   1344.4   1344.4

我希望有1分鍾的時間范圍數據。 確實與重采樣功能，to_period ...等混淆。

Answer 1

如果要在重新采樣后獲得正確的OHLC值，則需要應用適當的聚合函數（ first對Open進行取值，對High取max ，對Low取min ， last對Close取值）：

df.resample('1T').agg({
    'Open': 'first',
    'High': 'max',
    'Low': 'min',
    'Close': 'last'})

輸出：

                       Open    High     Low    Close
DateTime                                            
2019-03-22 09:15:00  1342.0  1349.0  1342.0  1344.45
2019-03-22 09:16:00  1344.4  1344.4  1344.4  1344.40

Answer 2

Resample返回一個Resampler對象，在該對象上應用了聚合函數，

df.resample('1T').last()

                    Open    High    Low     Close
DateTime                
2019-03-22 09:15:00 1344.45 1344.45 1344.45 1344.45
2019-03-22 09:16:00 1344.40 1344.40 1344.40 1344.40

如果僅希望更改時間段而不希望匯總值，請使用to_period

df.to_period('1T')

                    Open    High    Low     Close
DateTime                
2019-03-22 09:15    1342.00 1342.00 1342.00 1342.00
2019-03-22 09:15    1344.00 1344.00 1344.00 1344.00
2019-03-22 09:15    1344.40 1344.40 1344.40 1344.40
2019-03-22 09:15    1345.00 1345.00 1345.00 1345.00
2019-03-22 09:15    1344.40 1345.40 1344.40 1344.40
2019-03-22 09:15    1349.00 1349.00 1349.00 1349.00
2019-03-22 09:15    1346.00 1346.00 1346.00 1346.00
2019-03-22 09:15    1346.00 1346.00 1346.00 1346.00
2019-03-22 09:15    1346.25 1346.25 1346.25 1346.25
2019-03-22 09:15    1346.25 1346.25 1346.25 1346.25
2019-03-22 09:15    1346.00 1346.00 1346.00 1346.00
2019-03-22 09:15    1344.45 1344.45 1344.45 1344.45
2019-03-22 09:16    1344.40 1344.40 1344.40 1344.40