主页 / 问题 / 1478032
Accepted
Duracell
Asked:2022-12-16 01:13:07 +0000 UTC2022-12-16 01:13:07 +0000 UTC

按条件过滤索引值

  • 772

我有一个这样的数据框：

                      O     C     L     H
'2022-12-10 10:25:00' 25.0  26.3  24.7  27.3
'2022-12-10 10:26:00' 26.3  19.6  19.5  26.4
'2022-12-10 10:27:00' 19.6  20.5  19.4  20.8
'2022-12-10 10:28:00' 20.5  20.8  20.2  20.5
'2022-12-10 10:29:00' 23.0  25.0  22.1  25.2
'2022-12-10 10:30:00' 25.0  21.0  20.5  25.5 
'2022-12-10 10:31:00' 21.0  19.0  18.3  23.8
'2022-12-10 10:32:00' 19.0  22.0  18.1  22.7
'2022-12-10 10:33:00' 22.0  18.0  17.4  24.6
'2022-12-10 10:34:00' 18.0  23.0  15.1  25.4
'2022-12-10 10:35:00' 23.0  15.0  13.9  23.8
'2022-12-10 10:36:00' 15.0  20.0  14.0  20.5
'2022-12-10 10:37:00' 20.0  21.5  18.4  22.0

实际上，这是一个短时间内的股价数据框。该指数是datetime32[ns]or类型DatetimeIndex，其余列是开盘价、收盘价、最低价、最高价 - 一切都是标准的。

任务如下，需要每 5 分钟选择一次范围内的价格值，即需要这些指数（用箭头标记）：

                      O     C     L     H
'2022-12-10 10:25:00' 25.0  26.3  24.7  27.3
'2022-12-10 10:26:00' 26.3  19.6  19.5  26.4
'2022-12-10 10:27:00' 19.6  20.5  19.4  20.8
'2022-12-10 10:28:00' 20.5  20.8  20.2  20.5
'2022-12-10 10:29:00' 23.0  25.0  22.1  25.2 <-
'2022-12-10 10:30:00' 25.0  21.0  20.5  25.5 
'2022-12-10 10:31:00' 21.0  19.0  18.3  23.8
'2022-12-10 10:32:00' 19.0  22.0  18.1  22.7
'2022-12-10 10:33:00' 22.0  18.0  17.4  24.6
'2022-12-10 10:34:00' 18.0  23.0  15.1  25.4 <-
'2022-12-10 10:35:00' 23.0  15.0  13.9  23.8
'2022-12-10 10:36:00' 15.0  20.0  14.0  20.5
'2022-12-10 10:37:00' 20.0  21.5  18.4  22.0

一切看似简单，使用方法取值、取值period，shift或者直接跑遍索引列，检查时间段的分钟值是否能被5整除余数4，然后将这个值添加到一个新的dataframe，一般来说，你会得到这样的结果：

                      O     C     L     H
'2022-12-10 10:29:00' 23.0  25.0  22.1  25.2
'2022-12-10 10:34:00' 18.0  23.0  15.1  25.4

但这不是正确的结果，因为开盘价、收盘价、最低价和最高价不仅应该从第 5 分钟的指数中获取，而且还应该从它之后的前 4 个中获取，即 应该是这样的：

                      O     C     L     H
'2022-12-10 10:25:00' 25.0  26.3  24.7  27.3
'2022-12-10 10:26:00' 26.3  19.6  19.5  26.4
'2022-12-10 10:27:00' 19.6  20.5  19.4  20.8
'2022-12-10 10:28:00' 20.5  20.8  20.2  20.5
'2022-12-10 10:29:00' 23.0  25.0  22.1  25.2 <-
# конечный результат должен быть таким:
'2022-12-10 10:29:00' 25.0  25.0  19.4  27.3

那些。我们必须找到索引并检查它是否是第 5 分钟，如果是，那么我们取这个索引的一个切片和它之前的第 4 个索引，我们必须从这个切片中得到列的最小值L，最大值列，H开盘价应取自 0 索引，在示例中如下所示：

'2022-12-10 10:25:00' 25.0  26.3  24.7  27.3

以及最后的收盘价：

'2022-12-10 10:29:00' 23.0  25.0  22.1  25.2

问题是如何扭转局面，即 您需要过滤数据框并将生成的过滤器传输到另一个过滤器，其中只有 5 分钟的值，因为数据框由 160 万多行组成，通过 map 函数遍历索引，按条件应用 - 它不会就时间而言，结果不是很好（我敢肯定，pandos 已经为这种情况提供了一个巧妙而优雅的解决方案，哪个？）

python

1 个回答

  1. Best Answer

    你可以这样尝试：

    import pandas as pd
from pandas.tseries.frequencies import to_offset

res = df.resample("5T", ).agg({"O":"first", "C": "last", "L":min, "H":max})
res.index = res.index + to_offset("4T")

    资源：

                            O     C     L     H
2022-12-10 10:29:00  25.0  25.0  19.4  27.3
2022-12-10 10:34:00  25.0  23.0  15.1  25.5
2022-12-10 10:39:00  23.0  21.5  13.9  23.8
    • 1

相关问题