Pandas - K线数据处理 - 数据聚合

目录

一、K线分析

二、pandas.DataFrame.resample - 内置聚合方法

2-0  测试数据初始化

2-1 resample 的 3分钟聚合

2-2 resample 的 30s 拆成

2-3 自定义聚合逻辑 - apply

2-4  DataFrame 对象的 resample 处理方式

三、K线聚合的业务实现

方式一、获取批量数据 + resample处理

---

一、K线分析

需求分析：元数据为1min的k线数据，需要将其置换成 5min、10min 的数据线

细节注意

• 1min to 5min
  • 时间戳 间隔为300S
  • 数据计算的的区间：[1563156300 ,1563156600 ) - 注意左闭右开
  • 即，1min线 9:00-9:04 的数据聚合为 5min线的 9:00 的数据
• k线数据

• k线数据：{
          _id : 10位时间戳
          ts：13位时间戳
          vol：成交额, 即 sum(每一笔成交价 * 该笔的成交量)
          low：最低价
          high：最高价
          open：开盘价
          close：收盘价（当K线为最晚的一根时，是最新成交价）
          count：成交笔数
          amount：成交量
  }

二、pandas.DataFrame.resample - 内置聚合方法

官方 resample 文档

2-0  测试数据初始化

# 包含9个一分钟时间戳的系列
index = pandas.date_range('1/1/2000', periods=9, freq='T')
series = pandas.Series(range(9), index=index)
print(series)
'''
2000-01-01 00:00:00    0
2000-01-01 00:01:00    1
2000-01-01 00:02:00    2
2000-01-01 00:03:00    3
2000-01-01 00:04:00    4
2000-01-01 00:05:00    5
2000-01-01 00:06:00    6
2000-01-01 00:07:00    7
2000-01-01 00:08:00    8
Freq: T, dtype: int64
'''

2-1 resample 的 3分钟聚合

# 默认： sum(0:00 - 0:02)  对应 value(0:00)
data = series.resample('3T').sum()
print(data) 
'''
2000-01-01 00:00:00     3
2000-01-01 00:03:00    12
2000-01-01 00:06:00    21
Freq: 3T, dtype: int64
'''
# label 使用右标记，即，sum(0:00 - 0:02)  对应 value(0:03)
data = series.resample('3T',label='right').sum()
print(data)
'''
2000-01-01 00:03:00     3
2000-01-01 00:06:00    12
2000-01-01 00:09:00    21
Freq: 3T, dtype: int64
'''
# closed 关闭右区间，即，sum(0:01 - 0:03)  对应 value(0:03)
data = series.resample('3T', label='right', closed='right').sum()
print(data)
'''
2000-01-01 00:00:00     0
200