Python 熊猫重新采样到不细分为 24 小时周期的周期

如何解决Python 熊猫重新采样到不细分为 24 小时周期的周期

我有一个包含高频（秒或分钟）股票数据的 Pandas 数据框。

e.g. 
                           Date      Time     Open  ...      Low    Close  Volume
DT                                                  ...                          
2020-10-09 09:30:00  10/09/2020  09:30:00  3432.50  ...  3432.25  3432.50      37
2020-10-09 09:30:01  10/09/2020  09:30:01  3432.50  ...  3432.25  3432.50       8
2020-10-09 09:30:02  10/09/2020  09:30:02  3432.50  ...  3432.25  3432.50      11
2020-10-09 09:30:03  10/09/2020  09:30:03  3432.25  ...  3432.25  3432.50      11
2020-10-09 09:30:04  10/09/2020  09:30:04  3432.25  ...  3432.25  3432.75     134
                        ...       ...      ...  ...      ...      ...     ...
2020-10-14 15:59:53  10/14/2020  15:59:53  3461.25  ...  3461.25  3461.50      59
2020-10-14 15:59:56  10/14/2020  15:59:56  3461.50  ...  3461.25  3461.50      61
2020-10-14 15:59:57  10/14/2020  15:59:57  3461.25  ...  3461.00  3461.75      54
2020-10-14 15:59:58  10/14/2020  15:59:58  3461.50  ...  3461.50  3461.50      25
2020-10-14 15:59:59  10/14/2020  15:59:59  3461.50  ...  3461.50  3461.75      16

我可以轻松地将这些数据重新采样为几分钟，然后再平均细分为 24 小时（或 1440 分钟/天）。

rule = '60T'
 df = df.resample(rule,closed='right',label='right').agg(
    {'Open': 'first','High': 'max','Low': 'min','Close': 'last','Volume': 'sum'
     }).dropna()

对于一天不均匀划分为 1440 分钟的时间段，您如何做到这一点？ 例如规则 = '65T'

典型的美国股票数据时间为美国东部时间 9:30 至 16:00。 对于 65 分钟的柱线，我希望重新采样以下时间段：

09:30-10:35
10:35-11:40
11:40-12:45
12:45-13:50
13:50-14:55
14:55-16:00

解决方法

我们可以通过将可选参数 origin 设置为日期时间索引 DT 中的起始值来resample

来自 resample origin 的文档是

调整分组的时间戳。起源时区 必须与索引的时区匹配。

因此为了调整分组从 9:30 开始，我们将 origin 的值设置为日期时间索引中的起始时间戳，即 2020-10-09 09:30:00

除此之外，我们还需要将可选参数closed的值设置为left，将label的值设置为left

d = {'Open': 'first','High': 'max','Low': 'min','Close': 'last','Volume': 'sum'}

df.resample(rule='65T',closed='left',label='left',origin=df.index.min()).agg(d).dropna()

示例输出（仅用于说明）

                       Open    High      Low   Close  Volume
DT                                                          
2020-10-09 09:30:00  3432.5  3432.5  3432.25  3432.5  2405.0 # 09:30-10:35
2020-10-09 10:35:00  3432.5  3432.5  3432.25  3432.5  2405.0 # 10:35-11:40
2020-10-09 11:40:00  3432.5  3432.5  3432.25  3432.5  2405.0 # 11:40-12:45
2020-10-09 12:45:00  3432.5  3432.5  3432.25  3432.5  2405.0 # 12:45-13:50
2020-10-09 13:50:00  3432.5  3432.5  3432.25  3432.5  2405.0 # 13:50-14:55
2020-10-09 14:55:00  3432.5  3432.5  3432.25  3432.5  2405.0 # 14:55-16:00