Pandas遍历变量按月计算OHLC并存入新DataFrame列的实现方法
实现方案
前置准备
首先导入pandas并完成基础数据格式处理,假设你的原始周度收盘价数据存储在变量df中:
import pandas as pd # 转换日期列为datetime格式 df['Date'] = pd.to_datetime(df['Date']) # 生成月份分组字段,默认输出YYYY-MM格式,如需datetime格式可替换为.dt.floor('M') df['month'] = df['Date'].dt.to_period('M')
自定义OHLC计算规则
匹配你要求的「当月第一个交易日为开盘、当月最后一个交易日为收盘、当月最高/最低价取极值」的逻辑:
def month_ohlc(x): # 若原始数据已按日期升序排序,可删除下一行排序逻辑提升效率 x_sorted = x.sort_index() return (x_sorted.iloc[0], x_sorted.max(), x_sorted.min(), x_sorted.iloc[-1])
批量计算V1-V7全量OHLC并拆分列
通过循环一次性完成所有公司的计算,同时自动拆分元组为独立字段:
res = [] # 生成V1到V7的列名列表 company_list = [f'V{i}' for i in range(1,8)] for comp in company_list: # 按月份分组计算单家公司OHLC temp_df = df.groupby('month')[comp].apply(month_ohlc).reset_index() # 拆分元组为Open/High/Low/Close独立列 temp_df[['Open','High','Low','Close']] = pd.DataFrame(temp_df[comp].tolist(), index=temp_df.index) # 新增公司标识列、删除临时元组列 temp_df['company'] = comp temp_df = temp_df.drop(columns=[comp]) res.append(temp_df) # 合并所有公司计算结果 final_df = pd.concat(res, ignore_index=True)
可选格式调整
如果需要按公司横向展开所有指标,可补充透视操作:
# 横向展开为V1_Open、V1_High...V7_Close格式 pivot_df = final_df.pivot(index='month', columns='company', values=['Open','High','Low','Close']) pivot_df.columns = [f'{col[1]}_{col[0]}' for col in pivot_df.columns] pivot_df = pivot_df.reset_index()
内容的提问来源于stack exchange,提问作者LeMarque
相关产品推荐
相关产品推荐

