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
相关产品推荐

