python - 从逐笔报价数据到烛台

Question

我有外汇对的逐笔报价

这是 EURUSD/EURUSD-2012-06.csv 的示例

EUR/USD,20120601 00:00:00.207,1.23618,1.2363
EUR/USD,20120601 00:00:00.209,1.23618,1.23631
EUR/USD,20120601 00:00:00.210,1.23618,1.23631
EUR/USD,20120601 00:00:00.211,1.23623,1.23631
EUR/USD,20120601 00:00:00.240,1.23623,1.23627
EUR/USD,20120601 00:00:00.423,1.23622,1.23627
EUR/USD,20120601 00:00:00.457,1.2362,1.23626
EUR/USD,20120601 00:00:01.537,1.2362,1.23625
EUR/USD,20120601 00:00:03.010,1.2362,1.23624
EUR/USD,20120601 00:00:03.012,1.2362,1.23625

完整的报价数据可以在这里下载 http://dl.free.fr/k4vVF7aOD

列是:

Symbol,Datetime,Bid,Ask

我想将逐笔报价数据转换为烛台数据(也称为 OHLC 开高低收)我会说我想要一个 M15 时间范围(15 分钟)作为示例

我想使用 Python 和 Pandas 库来完成这个任务。

我已经完成了部分工作......逐笔读取数据文件

这是代码

#!/usr/bin/env python

import pandas as pd
import matplotlib.pyplot as plt
import numpy as np
from matplotlib.finance import candlestick
from datetime import *

def conv_str_to_datetime(x):
    return(datetime.strptime(x, '%Y%m%d %H:%M:%S.%f'))

df = pd.read_csv('test_EURUSD/EURUSD-2012-07.csv', names=['Symbol', 'Date_Time', 'Bid', 'Ask'], converters={'Date_Time': conv_str_to_datetime})

PipPosition = 4
df['Spread'] = (df['Ask'] - df['Bid']) * 10**PipPosition

print(df)

print("="*10)

print(df.ix[0])

但现在我不知道如何开始剩下的工作...

我想得到这样的数据

Symbol,Datetime_open_candle,open_price,high_price,low_price,close_price

蜡烛的价格将基于出价列。

问题的第一部分在我看来是获取第一个 Datetime_open_candle(与所需的时间范围兼容，假设变量的名称是 dt1)和最后一个 Datetime_open_candle(假设这个变量的名称是dt2).

之后我可能需要从 dt1 获取数据到 dt2(而不是 dt1 之前和 dt2 之后的数据)

知道 dt1 和 dt2 以及所需的时间范围，我就可以知道我将拥有的蜡烛数...

我“只是为了”知道每根蜡烛的开盘价/最高价/最低价/收盘价。

我正在寻找一种非常快速的算法，如果可能的话，一个向量化的算法(如果可能的话)，因为报价数据可能非常大。

Answer 1

In [59]: df
Out[59]:
                             Symbol      Bid      Ask
Datetime
2012-06-01 00:00:00.207000  EUR/USD  1.23618  1.23630
2012-06-01 00:00:00.209000  EUR/USD  1.23618  1.23631
2012-06-01 00:00:00.210000  EUR/USD  1.23618  1.23631
2012-06-01 00:00:00.211000  EUR/USD  1.23623  1.23631
2012-06-01 00:00:00.240000  EUR/USD  1.23623  1.23627
2012-06-01 00:00:00.423000  EUR/USD  1.23622  1.23627
2012-06-01 00:00:00.457000  EUR/USD  1.23620  1.23626
2012-06-01 00:00:01.537000  EUR/USD  1.23620  1.23625
2012-06-01 00:00:03.010000  EUR/USD  1.23620  1.23624
2012-06-01 00:00:03.012000  EUR/USD  1.23620  1.23625

In [60]: grouped = df.groupby('Symbol')

In [61]: ask =  grouped['Ask'].resample('15Min', how='ohlc')

In [62]: bid = grouped['Bid'].resample('15Min', how='ohlc')

In [63]: pandas.concat([ask, bid], axis=1, keys=['Ask', 'Bid'])
Out[63]:
                                Ask                                 Bid
                               open     high      low    close     open     high      low   close
Symbol  Datetime
EUR/USD 2012-06-01 00:15:00  1.2363  1.23631  1.23624  1.23625  1.23618  1.23623  1.23618  1.2362