Pandas - 用于 OHLC 的多股 Groupby

Question

我有一个以下格式的 .csv 文件。没有标题，我只是为了理解而写

time,stockname,price

09:00:00, ABC, 100
09:00:00, XYZ, 500
09:01:00, ABC, 101
09:01:00, XYZ, 499

然后继续

我想做一些类似 groupby 重采样（15 分钟）价格的事情，这样最终数据框就具有所有股票 OHLC 时间，我可以传递股票名称和时间并获取 OHLC 列，我可以

Answer 1

不是 100% 确定你在追求什么——预期的输出会很有用。

无论如何，pd.Grouper 非常适合按时间间隔对日期时间索引进行分组。在下面的示例中，我生成了一些看起来像您的示例数据的示例数据并进行了一些分组。

import numpy as np
import pandas as pd

# generate some data
some_dates = pd.date_range(start='2017-01-01', periods=10, freq='5min')
df = pd.DataFrame(index=some_dates)
df.index.name = 'time'
df['stock_name'] = ['ABC', 'XYZ'] * 5
df['price'] = (np.random.rand(10) * 100).round(2)

print(df)

time                   stock_name  price        
2017-01-01 00:00:00    ABC         5.26
2017-01-01 00:05:00    XYZ         68.13
2017-01-01 00:10:00    ABC         91.76
2017-01-01 00:15:00    XYZ         21.16
2017-01-01 00:20:00    ABC         75.69
2017-01-01 00:25:00    XYZ         21.16
2017-01-01 00:30:00    ABC         80.25
2017-01-01 00:35:00    XYZ         4.83
2017-01-01 00:40:00    ABC         10.07
2017-01-01 00:45:00    XYZ         20.67

# do some grouping: e.g by 15 minute intervals & by stock_name
df.groupby([pd.Grouper(freq='15min'), df['stock_name']]).max()

time                stock_name price
2017-01-01 00:00:00 ABC        91.76
2017-01-01 00:00:00 XYZ        68.13
2017-01-01 00:15:00 ABC        75.69
2017-01-01 00:15:00 XYZ        21.16
2017-01-01 00:30:00 ABC        80.25
2017-01-01 00:30:00 XYZ        4.83
2017-01-01 00:45:00 XYZ        20.67