如何对DataFrame价格数据进行类直方图汇总及区间分析？

核心思路 #

利用DBSCAN密度聚类，以0.01为距离阈值，自动将价格落在彼此±0.01范围内的样本归为同一组；之后对每组统计长度（价格强度），并提取每组的首尾时间与对应价格。

代码实现步骤 #

1. 导入依赖库

import pandas as pd
from sklearn.cluster import DBSCAN

2. 构造示例数据

# 构造用户提供的价格Series
data = {
    "datetime": ["2022-09-07 12:30:00", "2022-09-07 12:35:00", "2022-09-07 12:40:00",
                 "2022-09-07 12:45:00", "2022-09-07 12:50:00", "2022-09-07 12:55:00",
                 "2022-09-07 13:00:00"],
    "High": [144.183, 144.184, 144.151, 144.154, 144.144, 144.154, 144.203]
}
price_series = pd.Series(data["High"], index=pd.to_datetime(data["datetime"]), name="High")

3. 执行聚类分组

# 将价格转换为DBSCAN所需的二维数组格式
X = price_series.values.reshape(-1, 1)
# 初始化DBSCAN：eps=0.01（距离阈值），min_samples=1（允许单样本组）
dbscan = DBSCAN(eps=0.01, min_samples=1)
# 拟合数据并获取聚类标签
labels = dbscan.fit_predict(X)
# 将标签添加到原Series的DataFrame中
price_df = price_series.to_frame().assign(cluster=labels)

4. 统计每组信息

# 按聚类标签分组，计算每组的强度、首尾时间与价格
grouped_info = price_df.groupby("cluster").agg(
    价格强度=("High", "count"),
    起始时间=("datetime", "first"),
    起始价格=("High", "first"),
    结束时间=("datetime", "last"),
    结束价格=("High", "last")
).reset_index(drop=True)

# 单独提取每组的首尾时间-价格对（如用户示例格式）
grouped_boundaries = []
for _, group in price_df.groupby("cluster"):
    boundary = group.iloc[[0, -1]]
    grouped_boundaries.append(boundary)

# 打印结果示例
print("各组统计信息：")
print(grouped_info)
print("\n各组首尾时间与价格：")
for idx, boundary in enumerate(grouped_boundaries):
    print(f"\n组{chr(ord('a')+idx)}首尾数据：")
    print(boundary)

结果说明 #

• 聚类后的分组完全匹配用户需求：单样本组（144.144、144.203）、双样本组（144.183、144.184）、三样本组（144.151、144.154、144.154）。
• grouped_info 包含每组的强度、首尾时间和价格；grouped_boundaries 是每组首尾数据的Series列表，与用户示例格式一致。

内容的提问来源于stack exchange，提问作者Maurice Kroon