金融数据处理之pandas的周期频率转换

上一节中，已经得到了1min的非连续数据，众所周知，做股票期货仅仅有1min或tick数据是不够的，需要将其合成为15min、30min、1day的数据，这里讲一下关于pandas里的DateFrame和resample（重采样）函数。

（1）DateFrame

DateFrame是pandas里的常用数据结构，可以将其认为是“表格”在python里的程序语言表示，其基础是Series，即带索引的列表，多个Series可以用zip组成一张表（DateFrame），这种数据结构大大方便了从多个角度对数据进行处理，可以按行、按列、按行索引、按列字段名等进行相关操作。

其次，利用DateFrame处理csv文件具有以下几点优势：

1：由于csv文件即逗号分隔值文件是以纯文本形式存储表格数据，可以用多种软件打开，使用pandas.red_csv读取的文件可以自动转化为DateFrame，很是方便；

2：自定义的索引通常能给数据处理带来极大的方便，后面将会使用自定义的索引进行空缺值插入；

3：进行周期频率转换时需要用到DateFrame或Series这种数据结构。

相关资料请移步：DateFrame官方文档

（2）resample

resample函数，顾名思义即进行重采样的函数，将固定频率的数据升采样