Pandas - 按日期对日内时间序列进行分组

Question

我有多天的日内对数收益率数据序列，我想将其降采样为每日OHLC数据。我可以这样做：

hi = series.resample('B', how=lambda x: np.max(np.cumsum()))
low = series.resample('B', how=lambda x: np.min(np.cumsum())) 

但是在每次调用时计算cumsum似乎效率低下。有没有一种方法可以先计算累加和，然后再将"ohcl"应用于数据？

1999-08-09 12:30:00-04:00   -0.000486
1999-08-09 12:31:00-04:00   -0.000606
1999-08-09 12:32:00-04:00   -0.000120
1999-08-09 12:33:00-04:00   -0.000037
1999-08-09 12:34:00-04:00   -0.000337
1999-08-09 12:35:00-04:00    0.000100
1999-08-09 12:36:00-04:00    0.000219
1999-08-09 12:37:00-04:00    0.000285
1999-08-09 12:38:00-04:00   -0.000981
1999-08-09 12:39:00-04:00   -0.000487
1999-08-09 12:40:00-04:00    0.000476
1999-08-09 12:41:00-04:00    0.000362
1999-08-09 12:42:00-04:00   -0.000038
1999-08-09 12:43:00-04:00   -0.000310
1999-08-09 12:44:00-04:00   -0.000337
...
1999-09-28 06:45:00-04:00    0.000000
1999-09-28 06:46:00-04:00    0.000000
1999-09-28 06:47:00-04:00    0.000000
1999-09-28 06:48:00-04:00    0.000102
1999-09-28 06:49:00-04:00   -0.000068
1999-09-28 06:50:00-04:00    0.000136
1999-09-28 06:51:00-04:00    0.000566
1999-09-28 06:52:00-04:00    0.000469
1999-09-28 06:53:00-04:00    0.000000
1999-09-28 06:54:00-04:00    0.000000
1999-09-28 06:55:00-04:00    0.000000
1999-09-28 06:56:00-04:00    0.000000
1999-09-28 06:57:00-04:00    0.000000
1999-09-28 06:58:00-04:00    0.000000
1999-09-28 06:59:00-04:00    0.000000

- signalseeker

Answer 1

df.groupby([df.index.year, df.index.month, df.index.day]).transform(np.cumsum).resample('B', how='ohlc')

我认为这可能是我想要的，但我需要测试。

编辑： 在zelazny7的回复后：

df.groupby(pd.TimeGrouper('D')).transform(np.cumsum).resample('D', how='ohlc')

这个方法的效果比我之前的解决方案更好，并且更高效。

更新:

自pandas v0.21.0起，pd.TimeGrouper('D')已被弃用。

请改用pd.Grouper():

df.groupby(pd.Grouper(freq='D')).transform(np.cumsum).resample('D', how='ohlc')

- signalseeker

---

看起来很正常（使用0.9.1）。现在使用@Zelazny7的酷TimeGrouper技巧，而不是[df.index.year ...]，你得到了一个很好的解决方案。 - cronos

在版本0.10.1中，当使用DataFrameGroupBy类的ohlc方法时，我会收到一个NotImplementedError错误。 - Zelazny7

我检查了“0.10.1.dev-c934e02”，在那个版本中也可以工作。 - signalseeker

Answer 2

我无法使您的重新采样建议起作用。您有什么好的方法吗？以下是一种在业务日级别上聚合数据并一次计算OHLC统计信息的方法：

from io import BytesIO
from pandas import *

text = """1999-08-09 12:30:00-04:00   -0.000486
1999-08-09 12:31:00-04:00   -0.000606
1999-08-09 12:32:00-04:00   -0.000120
1999-08-09 12:33:00-04:00   -0.000037
1999-08-09 12:34:00-04:00   -0.000337
1999-08-09 12:35:00-04:00    0.000100
1999-08-09 12:36:00-04:00    0.000219
1999-08-09 12:37:00-04:00    0.000285
1999-08-09 12:38:00-04:00   -0.000981
1999-08-09 12:39:00-04:00   -0.000487
1999-08-09 12:40:00-04:00    0.000476
1999-08-09 12:41:00-04:00    0.000362
1999-08-09 12:42:00-04:00   -0.000038
1999-08-09 12:43:00-04:00   -0.000310
1999-08-09 12:44:00-04:00   -0.000337"""

df = read_csv(BytesIO(text), sep='\s+', parse_dates=[[0,1]], index_col=[0], header=None)

在这里，我创建了一个字典的字典。外部键引用要应用函数的列。内部键包含聚合函数的名称，内部值是您要应用的函数：

f = {2: {'O':'first',
         'H':'max',
         'L':'min',
         'C':'last'}}

df.groupby(TimeGrouper(freq='B')).agg(f)

Out:
                   2
                   H         C         L         O
1999-08-09  0.000476 -0.000337 -0.000981 -0.000486

- Zelazny7