超级简单的K线合成方法

使用python来合成K线数据

---

前言

量化程序中不免需要将行情数据合成自己所需要的周期级别，比如我有一堆周期为1分钟的原始数据，现在需要将它合成5分钟、10分钟、15分钟…等等周期级别的K线行情，那么需要怎么做呢？接下来直接进入主题！！！

---

提示：以下是本篇文章正文内容，下面案例可供参考

一、源数据

举个栗子

里面的元素分别代表着 时间、合约、开、高、低、收、成交量、持仓量

二、使用步骤

1.引入库

import pandas as pd

2.数据格式

将数据类型转成上面二维数组的格式类型，然后将它转成DataFrame格式，方法如下，当然如果你的源数据是存在CSV文件中的，可以将它直接读取成DataFrame格式，我这边是从数据库中取出来的所以就存成数组的格式了

# min1List ==> 源数据
# colums ==> 因为DataFrame是一种表格型数据结构，所以我们这边给它加一个列名，方便我们后面对它进行处理
colums = ['Time', 'Contract', 'Open', 'High', 'Low', 'Close', 'Volume', 'OpenInterest']
datas = pd.DataFrame(min1List, columns=colums)
# 下面这行是将时间转成datetime类型，因为我们需要将时间作为索引来使用，不转换格式在合成数据时会报错的
datas['Time'] = pd.to_datetime(datas['Time'])
datas.set_index('Time', inplace=True)

然后我们的datas输出结果如下图

2.合成

一切准备就绪，接下来我们合成数据，这里我是合成的15min的，如果想要合成别的也可以更改resample后的参数如’D’, ‘B’,‘30min’，参数网上有很多更详细的说明

def synthesis(datas):
    df15min = datas.resample('15min', closed='right',label='right').agg({
        'Contract': 'first',
        'Open': 'first',
        'High': 'max',
        'Low': 'min',
        'Close': 'last',
        'Volume': 'sum',
        'OpenInterest': 'sum'
    }).dropna()
    return df15min

好了这就完事了

还有一点要提的就是resample后closed和label这个参数，要取决于你合成的数据是要向前合成还是向后合成了，比如我将right改成left，那么结果又不一样了

好了大功告成，该入库的入库，该导出文件的导出文件