如何在熊猫中对具有相似日期的数据进行分组

Question

我有两个 csv 文件。这两个文件都包含单日的日期、股票、开盘价、最高价、最低价、收盘价列。我从这两个文件中制作了一个数据框。因此，在这个单一的数据帧 1 中，股票 1 的数据从开盘日到收盘时打印，然后股票 2 的数据从开盘日到收盘时打印。数据间隔为 15 分钟，一天从 2019-01-01 开始09:15:00 到 2019-01-01 15:15:00 结束。

我想要的是创建一个数据框，其中打印 2019-01-01 09:15:00 的 stock1 数据，然后同时打印 stock2 的数据，以此类推 2019-01-01 09:30 :00, 2019-01-01 09:45:00....

检查图像：

Answer 1

---

新答案：

阅读您的回复后，我认为解决您的问题的最佳做法是使用 Pandas MultiIndex 将您的数据移动到 2 索引 DataFrame 格式

arrays = [
    np.array(["bar", "bar", "baz", "baz", "foo", "foo", "qux", "qux"]),
    np.array(["one", "two", "one", "two", "one", "two", "one", "two"]),
]

df = pd.DataFrame(np.random.randn(8, 4), index=arrays)

df
Out[16]: 
                0         1         2         3
bar one -0.424972  0.567020  0.276232 -1.087401
    two -0.673690  0.113648 -1.478427  0.524988
baz one  0.404705  0.577046 -1.715002 -1.039268
    two -0.370647 -1.157892 -1.344312  0.844885
foo one  1.075770 -0.109050  1.643563 -1.469388
    two  0.357021 -0.674600 -1.776904 -0.968914
qux one -1.294524  0.413738  0.276662 -0.472035
    two -0.013960 -0.362543 -0.006154 -0.923061

---

旧答案

---

您可以使用 pandas concat 方法。如果它们的索引格式匹配，Pandas API 会处理其余的。

import pandas as pd
import datetime

idx = pd.date_range("2018-01-01", periods=5, freq="H")
ts = pd.DataFrame(range(len(idx)), index=idx)

|                     |   0 |
|:--------------------|----:|
| 2018-01-01 00:00:00 |   0 |
| 2018-01-01 01:00:00 |   1 |
| 2018-01-01 02:00:00 |   2 |
| 2018-01-01 03:00:00 |   3 |
| 2018-01-01 04:00:00 |   4 |

idy = pd.date_range("2018-01-02", periods=10, freq="H")
tsy = pd.DataFrame(range(len(idy)), index=idy)

|                     |   0 |
|:--------------------|----:|
| 2018-01-02 00:00:00 |   0 |
| 2018-01-02 01:00:00 |   1 |
| 2018-01-02 02:00:00 |   2 |
| 2018-01-02 03:00:00 |   3 |
| 2018-01-02 04:00:00 |   4 |
| 2018-01-02 05:00:00 |   5 |
| 2018-01-02 06:00:00 |   6 |
| 2018-01-02 07:00:00 |   7 |
| 2018-01-02 08:00:00 |   8 |
| 2018-01-02 09:00:00 |   9 |

结果：

pd.concat([ts, tsy])

|                     |   0 |
|:--------------------|----:|
| 2018-01-01 00:00:00 |   0 |
| 2018-01-01 01:00:00 |   1 |
| 2018-01-01 02:00:00 |   2 |
| 2018-01-01 03:00:00 |   3 |
| 2018-01-01 04:00:00 |   4 |
| 2018-01-02 00:00:00 |   0 |
| 2018-01-02 01:00:00 |   1 |
| 2018-01-02 02:00:00 |   2 |
| 2018-01-02 03:00:00 |   3 |
| 2018-01-02 04:00:00 |   4 |
| 2018-01-02 05:00:00 |   5 |
| 2018-01-02 06:00:00 |   6 |
| 2018-01-02 07:00:00 |   7 |
| 2018-01-02 08:00:00 |   8 |
| 2018-01-02 09:00:00 |   9 |