股票时间处理，乱间隔变为day，week，month

学习目标：股票时间处理，乱间隔变为day，week，month

学习内容：

原始格式

1：标准时间生成和变为日频

#把数字时间改为标准时间
def int_to_time(m):
    m=m.astype('int')
    m=m.astype('string')
    return pd.to_datetime(m)
#df['PRICE_DATE']=int_to_time(df['PRICE_DATE'])
#print(df)

#把时间改为日频
def time_to_day(df):
    time_day=pd.date_range(start=df.index[0],end=df.index[-1],freq='d')
    date_list_day = [ x.strftime('%F') for x in time_day]
    data_day = pd.DataFrame(index=date_list_day)
    df=pd.merge(left=data_day,right=df,how='outer',left_index=True, right_index=True)
    return df

2：调用函数

df['PRICE_DATE']=int_to_time(df['PRICE_DATE'])
df=df.set_index('PRICE_DATE')
df=time_to_day(df)
print(df)

3：用前一个填充空值

df=df.fillna(method='ffill')#用前一个填充空值
print(df)

4：处理为week和month

week_df=df.resample(rule='w').last()
print(week_df)
month_df=df.resample(rule='m').last()
print(month_df)