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
TimeGrouper
技巧,而不是[df.index.year ...]
,你得到了一个很好的解决方案。 - cronos