【发布时间】：2017-03-06 17:00:39
【问题描述】：
大量修改：
好的，所以我有一个分钟级别的时间序列数据框。例如，这个数据框是一年的数据。我正在尝试创建一个分析模型，该模型将每天迭代这些数据。
该函数将： 1) 从数据框中切出一天的数据。 2) 创建每日切片的 30 分钟（一天的前 30 分钟）子切片。 3) 通过函数的分析部分传递来自两个切片的数据。 4）附加到新的数据框。 5) 继续迭代直到完成。
数据框格式如下：
open_price high low close_price volume price
2015-01-06 14:31:00+00:00 46.3800 46.440 46.29 46.380 560221.0 46.380
2015-01-06 14:32:00+00:00 46.3800 46.400 46.30 46.390 52959.0 46.390
2015-01-06 14:33:00+00:00 46.3900 46.495 46.36 46.470 100100.0 46.470
2015-01-06 14:34:00+00:00 46.4751 46.580 46.41 46.575 85615.0 46.575
2015-01-06 14:35:00+00:00 46.5800 46.610 46.53 46.537 78175.0 46.537
在我看来，pandas datetimeindex 功能是完成这项任务的最佳方式，但我不知道从哪里开始。
(1) 似乎我可以使用 .rollforward 功能，从 df 开始日期/时间开始，并在每次迭代中前滚一天。
(2) 使用 df.loc[mask] 创建子切片。
我很确定我可以在 (2) 之后弄清楚，但我对时间序列分析或 pandas datetimeindex 功能又不是很熟悉。
最终数据框：
high low retrace time
2015-01-06 46.440 46.29 True 47
2015-01-07 46.400 46.30 True 138
2015-01-08 46.495 46.36 False NaN
2015-01-09 46.580 46.41 True 95
2015-01-10 46.610 46.53 False NaN
最高价 = 一天前 30 分钟的最高价
低 = 一天中前 30 分钟的低点
Retrace = 布尔值，如果价格在前 30 分钟后的一天中某个时间点返回到开盘价。
时间 = 回溯所需的时间（分钟）。
这是我的代码似乎可以工作（感谢大家的帮助！）：
sample = msft_prices.ix[s_date:e_date]
sample = sample.resample('D').mean()
sample = sample.dropna()
sample = sample.index.strftime('%Y-%m-%d')
ORTDF = pd.DataFrame()
ORDF = pd.DataFrame()
list1 = []
list2 = []
def hi_lo(prices):
for i in sample:
list1 = []
if i in prices.index:
ORTDF = prices[i+' 14:30':i+' 15:00']
ORH = max(ORTDF['high']) #integer value
ORHK = ORTDF['high'].idxmax()
ORL = min(ORTDF['low']) #integer value
ORLK = ORTDF['low'].idxmin()
list1.append(ORH)
list1.append(ORL)
if ORHK < ORLK:
dailydf = prices[i+' 14:30':i+' 21:00']
if max(dailydf['high']) > ORH:
ORDH = max(dailydf['high'])
ORDHK = dailydf['high'].idxmax()
touched = 1
time_to_touch = ORDHK - ORHK
time_to_touch = time_to_touch.total_seconds() / 60
list1.append(touched)
list1.append(time_to_touch)
list2.append(list1)
else:
touched = 0
list1.append(touched)
list1.append('NaN')
list2.append(list1)
elif ORHK > ORLK:
dailydf = prices[i+' 14:30':i+' 21:00']
if min(dailydf['low']) < ORL:
ORDL = min(dailydf['low'])
ORDLK = dailydf['low'].idxmin()
touched = 1
time_to_touch = ORDLK - ORLK
time_to_touch = time_to_touch.total_seconds() / 60
list1.append(touched)
list1.append(time_to_touch)
list2.append(list1)
else:
touched = 0
list1.append(touched)
list1.append('NaN')
list2.append(list1)
else:
pass
ORDF = pd.DataFrame(list2, columns=['High', 'Low', 'Retraced', 'Time']).set_index([sample])
return ORDF
这可能不是最优雅的方式，但是，嘿，它有效！
【问题讨论】：
-
提示：不要使用行话！这里的大多数人都不会理解金融术语。目前还不清楚您的问题是什么。
-
提供一个最小的、完整的和经过验证的示例会更好地为您服务。 stackoverflow.com/help/mcve
-
嗯...我应该从头开始吗？
-
澄清：1）我有一年或多年的一分钟时间序列数据。 2）我希望按日期切片，然后按 30 分钟切片。 3) 在 30 分钟内分析数据 4) 提取分析数据并附加到新的 df。我正在尝试查找如何使用 pandas 日期功能来执行此操作的示例，因为我使用简单索引的尝试正在失败。
-
@supernoob：编辑您的问题以包含示例数据框（只需几行即可）和您的预期输出。 （另外，请删除财务术语，它与您在此处询问的内容无关）。您肯定希望有一个具有 Datatime 类型的索引/列，然后根据它而不是索引号进行选择。
标签： python pandas dataframe time-series datetimeindex