时间戳

首页 > 解决方案 > 如何重新索引 pandas DataFrame，同时根据新索引对其进行重新采样并聚合其数据？

python - 如何重新索引 pandas DataFrame，同时根据新索引对其进行重新采样并聚合其数据？

问题描述

1) 我在 pandas DataFrame 中有以下 1 分钟频率数据：

0 打开 高的 低的 关 体积
2010-10-19 06:31:00 58.75 58.81 58.58 58.59 228125
2010-10-19 06:32:00 58.59 58.68 58.55 58.57 153303
2010-10-19 06:33:00 58.57 58.6 58.5 58.52 115647
2010-10-19 06:34:00 58.52 58.58 58.48 58.58 63577
2010-10-19 06:35:00 58.57 58.59 58.51 58.53 111770

2）我还有以下索引数组：

[2010-10-19 06:32:00, 2010-10-19 06:35:00]

3）我想根据索引数组重新索引数据帧，这样新的数据帧将只有索引数组的 2 行，同时设法重新采样它，以便新数据帧的第一行的高位是较高的原始数据帧前 2 行的高点，新数据帧第二行的低点是原始数据帧中 3 个低点中的较低者，依此类推。

通常，人们会通过 .resample() 和 .agg() 聚合数据，但前提是您已经拥有了所需状态的数据框。我不能以这样的方式使用 reindex() ，以至于我可以用 .resample() 跟进它并完成此操作。

我想我正在寻找一种方法来一次重新索引和重新采样。我怎样才能最好地做到这一点？

标签： pythonpandasdataframereindexpandas-resample

解决方案

使用特定日期从pandas Dataframe 重新采样中调整答案

from datetime import datetime

import numpy as np
import pandas as pd

df = pd.DataFrame(
    data={c: np.random.rand(5) for c in ['o', 'h', 'l', 'c', 'v']},
    index=pd.date_range(datetime(2020, 10, 19, 6, 31), datetime(2020, 10, 19, 6, 35), freq='T')
)
print(df)

                            o         h         l         c         v
2020-10-19 06:31:00  0.868832  0.011599  0.614113  0.920998  0.237791
2020-10-19 06:32:00  0.909751  0.277570  0.820222  0.493289  0.941469
2020-10-19 06:33:00  0.998590  0.667477  0.108915  0.551331  0.081069
2020-10-19 06:34:00  0.160800  0.179726  0.987618  0.351980  0.253893
2020-10-19 06:35:00  0.553217  0.873212  0.291289  0.235526  0.525988

sample_index = pd.DatetimeIndex([datetime(2020, 10, 19, 6, 32), datetime(2020, 10, 19, 6, 35)])
agg = {'o': 'first', 'h': 'max', 'l': 'min', 'c': 'last', 'v': 'sum'}
ohlcv = df.groupby(sample_index[sample_index.searchsorted(df.index)]).agg(agg)
print(ohlcv)

                            o         h         l         c         v
2020-10-19 06:32:00  0.868832  0.277570  0.614113  0.493289  1.179259
2020-10-19 06:35:00  0.998590  0.873212  0.108915  0.235526  0.860951

推荐阅读