时间戳

首页 > 解决方案 > 获得滚动 15 分钟的最大值

python - 获得滚动 15 分钟的最大值

问题描述

我正在处理股票数据，我正在尝试获取过去 15 分钟内“最后”值的最大值（最大值）。这显示在名为 Max 的列中的预期输出中。

我尝试的代码需要很长时间才能计算出来，我确信缺少一些东西。不知道该怎么做，因为我是熊猫时间序列计算的新手。谁能给你的解决方案。谢谢

代码尝试：

for c in df["Last"].dropna():
    df[c]=df["Last"].fillna(0).rolling('15T').max()
new="Prev15max_min"+df["Last"].dropna()
df.loc[:df.index[0]+pd.DateOffset(minutes=15),new]=np.nan

我拥有的数据如下所示

Timestamp        Last          
1/20/19 12:15    3071.56
1/20/19 12:17    3097.82
1/20/19 12:17    3097.82
1/20/19 12:18    3095.25
1/20/19 12:19    3087.42
1/20/19 12:20    3095.29
1/20/19 12:21    3095.25
1/20/19 12:22    3093.11
1/20/19 12:23    3103
1/20/19 12:24    3095
1/20/19 12:25    3100.6
1/20/19 12:26    3099.84
1/20/19 12:27    3098.77
1/20/19 12:29    3097.24
1/20/19 12:29    3090
1/20/19 12:30    3090
1/20/19 12:31    3094.2

预期输出

Timestamp        Last           Max   
1/20/19 12:15    3071.56
1/20/19 12:17    3097.82
1/20/19 12:17    3097.82
1/20/19 12:18    3095.25
1/20/19 12:19    3087.42
1/20/19 12:20    3095.29
1/20/19 12:21    3095.25
1/20/19 12:22    3093.11
1/20/19 12:23    3103
1/20/19 12:24    3095
1/20/19 12:25    3100.6
1/20/19 12:26    3099.84
1/20/19 12:27    3098.77
1/20/19 12:29    3097.24
1/20/19 12:29    3090          3103
1/20/19 12:30    3090          3103
1/20/19 12:31    3094.29       3103

标签： pythonpandastime-series

解决方案

使用pandas.to_datetime和rolling.max：

import pandas as pd

df['Timestamp'] = pd.to_datetime(df['Timestamp'])
df = df.set_index('Timestamp')
df['max'] = df['Last'].rolling('15min', min_periods=15).max()
print(df)

输出：

                        Last     max
Timestamp                           
2019-01-20 12:15:00  3071.56     NaN
2019-01-20 12:17:00  3097.82     NaN
2019-01-20 12:17:00  3097.82     NaN
2019-01-20 12:18:00  3095.25     NaN
2019-01-20 12:19:00  3087.42     NaN
2019-01-20 12:20:00  3095.29     NaN
2019-01-20 12:21:00  3095.25     NaN
2019-01-20 12:22:00  3093.11     NaN
2019-01-20 12:23:00  3103.00     NaN
2019-01-20 12:24:00  3095.00     NaN
2019-01-20 12:25:00  3100.60     NaN
2019-01-20 12:26:00  3099.84     NaN
2019-01-20 12:27:00  3098.77     NaN
2019-01-20 12:29:00  3097.24     NaN
2019-01-20 12:29:00  3090.00  3103.0
2019-01-20 12:30:00  3090.00  3103.0
2019-01-20 12:31:00  3094.20  3103.0

如果您更喜欢Timestamp成为列而不是索引，请添加：

df.reset_index(inplace=True)

推荐阅读