You need to enable JavaScript to run this app. Pandas将OHLC数据按日自定义时段分组 计算开盘最高最低收盘成交量值
优惠活动
大模型
产品
解决方案
定价
更多

Pandas将OHLC数据按日自定义时段分组 计算开盘最高最低收盘成交量值

自定义时段OHLC聚合实现方案

核心实现逻辑

你之前的代码未生效的核心原因是:resample和pd.Grouper的固定频率参数仅支持等长时段聚合,而你需要的4个时段长度各不相同(45分钟、119分钟、149分钟、59分钟),无法通过固定频率参数匹配,需要自定义分组规则实现。

完整可运行代码

1. 导入依赖库

import pandas as pd
import datetime

2. 数据预处理

# 读取CSV,将下方'time'替换为你实际的时间列名
df = pd.read_csv("你的CSV文件路径.csv")
# 转换时间列为datetime格式
df['time'] = pd.to_datetime(df['time'])
# 设置时间为索引并按时间升序排序(必须保证时间有序,否则first/last取值错误)
df = df.set_index('time').sort_index()
# 过滤非交易时段的无效数据
df = df.between_time('09:15', '15:30', include_start=True, include_end=True)

3. 定义时段匹配规则

def get_trade_bin(time_val):
    t = time_val.time()
    if datetime.time(9,15) <= t <= datetime.time(10,0):
        return '09:15-10:00'
    elif datetime.time(10,1) <= t <= datetime.time(12,0):
        return '10:01-12:00'
    elif datetime.time(12,1) <= t <= datetime.time(14,30):
        return '12:01-14:30'
    elif datetime.time(14,31) <= t <= datetime.time(15,30):
        return '14:31-15:30'

4. 分组聚合计算指标

ohlc_dict = {
    'Open':'first',
    'High':'max',
    'Low':'min',
    'Close':'last',
    'Volume':'sum'
}
# 按【交易日期+当日时段】双维度分组聚合
result = df.groupby([df.index.date, df.index.map(get_trade_bin)]).agg(ohlc_dict)
# 调整索引命名,方便后续使用
result.index.names = ['交易日期', '交易时段']
# 若需要把索引转为普通列,取消下方注释即可
# result = result.reset_index()

内容的提问来源于stack exchange,提问作者user16269182

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.10.15 10:45:08