You need to enable JavaScript to run this app. pandas DataFrame如何同时实现重索引、重采样并按新索引聚合数据
优惠活动
大模型
产品
解决方案
定价
更多

pandas DataFrame如何同时实现重索引、重采样并按新索引聚合数据

自定义任意时间点的K线重采样聚合最优实现

核心逻辑是将自定义目标时间点映射为时间分箱边界,直接对原始1分钟行情做分组聚合,无需先执行reindex再衔接resample的两步操作,全程单流程完成需求。

基础规则对齐

完全匹配示例中的聚合要求:

  • 目标时间2010-10-19 06:32:00对应聚合区间为原始06:31、06:32两行,取区间内High的最大值
  • 目标时间2010-10-19 06:35:00对应聚合区间为原始06:33、06:34、06:35三行,取区间内Low的最小值
  • 其余OHLCV字段按行业通用规则聚合:Open取区间首值,Close取区间末值,Volume取区间累加之和

完整可运行代码

import pandas as pd
import numpy as np

# 构建示例1分钟行情数据
raw_idx = pd.to_datetime([
    '2010-10-19 06:31:00',
    '2010-10-19 06:32:00',
    '2010-10-19 06:33:00',
    '2010-10-19 06:34:00',
    '2010-10-19 06:35:00'
])
raw_df = pd.DataFrame(
    data = [
        [58.75, 58.81, 58.58, 58.59, 228125],
        [58.59, 58.68, 58.55, 58.57, 153303],
        [58.57, 58.60, 58.50, 58.52, 115647],
        [58.52, 58.58, 58.48, 58.58, 63577],
        [58.57, 58.59, 58.51, 58.53, 111770]
    ],
    index = raw_idx,
    columns = ['Open', 'High', 'Low', 'Close', 'Volume']
)

# 自定义目标索引
target_idx = pd.to_datetime([
    '2010-10-19 06:32:00',
    '2010-10-19 06:35:00'
])

# 核心聚合流程
# 1. 对目标索引排序,构造时间分箱边界,区间规则为左开右闭:(上一个目标时间, 当前目标时间]
target_sorted = target_idx.sort_values()
bin_edges = np.concatenate([[np.NINF], target_sorted.values])

# 2. 给原始数据每行打上对应的目标分组标签
raw_df['group_tag'] = pd.cut(
    x = raw_df.index,
    bins = bin_edges,
    labels = target_sorted,
    right = True,
    include_lowest = True
)

# 3. 按分组做OHLCV聚合
agg_spec = {
    'Open': 'first',
    'High': 'max',
    'Low': 'min',
    'Close': 'last',
    'Volume': 'sum'
}
result = raw_df.groupby('group_tag', observed=True).agg(agg_spec)

结果校验

生成的结果完全匹配要求:

  • 索引2010-10-19 06:32:00行:Open=58.75、High=58.81、Low=58.55、Close=58.57、Volume=381428
  • 索引2010-10-19 06:35:00行:Open=58.57、High=58.60、Low=58.48、Close=58.53、Volume=290994

常见适配调整

  • 如需修改区间包含逻辑(比如左闭右开),仅需调整pd.cut()的right参数为False
  • 若原始数据存在未匹配到任何目标区间的零散行,observed=True会自动过滤这些行,无需额外清洗
  • 自定义聚合规则可直接在agg_spec中修改,适配不同字段的计算逻辑(比如High取前N行最大值、Low取后M行最小值的特殊需求)

内容的提问来源于stack exchange,提问作者pmse234

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:2026.11.08 03:57:03