Pandas对行情数据的预处理
库里是过去抓取的行情数据，间隔6秒，每分钟8-10个数据不等，还有开盘前后的一些数据，用Pandas可以更加优雅地进行处理。
image
需要把当前时间设置为index
df=df.set_index('time') #设置时间为索引字段但是还是字符串，需要改为datetime类型：
ii=[datetime.strptime(idx,'%Y-%m-%d %H:%M:%S') for idx in df['time']] #索引列
df['newc']=ii
df=df.set_index('newc')这样就得到datetime类型的index了，要保留分钟的数据，有两个方法，重新采样或者分组。
重采样：
fz=df.resample('T')
pr=fz['price'].mean()
am=fz['amount'].max()分组：
df=df.groupby(lambda x:x.minute).mean()或者直接用字符串进行分组，同时对价格取平均值，对成交量取最大值：
df=df.groupby(lambda x:x[:16])
pr=df['price'].mean()
am=df['amount'].max()对于分组/采样结果，还可以用ohlc方法，很酷：
image
对比起来，用时间索引重采样的方式，可能更加灵活。因为诸如1分钟、5分钟、10分钟、半小时等各种时间节点，可以快速表示无需复杂的代码。
本文参与 腾讯云自媒体分享计划，分享自作者个人站点/博客。
原始发表：2017-06-19 ，如有侵权请联系 cloudcommunity@tencent.com 删除
评论
登录后参与评论
推荐阅读