gpt4 book ai didi

python - Pandas 在特定时间(不是午夜)将数据帧规范化为数据(报价)

转载 作者:太空宇宙 更新时间:2023-11-04 03:35:11 28 4
gpt4 key购买 nike

我的数据框 (ds) 中的每日数据看起来像这样跨越了几年:

enter image description here

enter image description here

对于每一天,我都需要将所有报价标准化为该特定日期的特定时间。例如,在 6 月 1 日,我需要将所有报价标准化为 6 月 1 日下午 3 点的报价,但在 6 月 2 日,我需要将它们全部标准化为 6 月 2 日下午 3 点的报价。

我有一个每天下午 3 点所有报价的数据框,如下所示:

enter image description here

所以我认为如果我可以简单地将我的报价数据帧 (ds) 除以下午 3 点数据帧,它会起作用:

dr = ds.groupby(ds.index.date).apply(lambda x: x / b)

请注意,下午 3 点数据框包含的天数比报价数据框 (ds) 更多因此,报价数据框必须划分为正确的相应日期在下午 3 点的数据框中,可能使用类似 b.index.date

的东西

我也尝试过不使用单独的数据框,而是从报价数据框 (ds) 本身中提取最后一个可用的报价 - 这也不起作用:

enter image description here

编辑:感谢 DSM 的建议。这有帮助吗?不确定我是否应该 pd.to_string() 数据框,因为它似乎也不容易剪贴板可读。

引用 ds 数据框:

bid ask mid
2000-01-04 14:45:12+00:00 281.0 281.5 281.25
2000-01-04 14:46:10+00:00 281.0 282.0 281.5
2000-01-04 14:47:14+00:00 281.2 282.2 281.7
2000-01-04 14:47:22+00:00 281.25 281.85 281.55
2000-01-04 14:47:47+00:00 281.25 281.75 281.5
2000-01-04 14:48:09+00:00 281.4 281.9 281.65
2000-01-04 14:48:40+00:00 281.3 282.3 281.8
2000-01-04 14:49:40+00:00 281.3 281.8 281.55
2000-01-04 14:49:45+00:00 281.2 282.2 281.7
2000-01-04 14:50:53+00:00 281.4 281.9 281.65

3pm 数据框:

bid_close   ask_close   price
2000-01-04 15:00:00+00:00 281.35 281.95 281.65
2000-01-05 15:00:00+00:00 280.73 281.48 281.105
2000-01-06 15:00:00+00:00 279.7 280.3 280.0
2000-01-07 15:00:00+00:00 282.3 282.9 282.6
2000-01-10 15:00:00+00:00 281.7 282.3 282.0
2000-01-11 15:00:00+00:00 282.1 282.7 282.4
2000-01-12 15:00:00+00:00 281.9 282.5 282.2
2000-01-13 15:00:00+00:00 281.9 282.7 282.3
2000-01-14 15:00:00+00:00 283.15 283.75 283.45
2000-01-17 15:00:00+00:00 285.5 286.0 285.75

还有命令:

c = ds.groupby(ds.index.date).apply(lambda x: x / x.between_time('14:30:00', '14:59:59').resample('30Min', how='last').dropna(how='all'))

我也尝试过(看起来很接近):

df = a.groupby(a.index.date).apply(lambda x: x / x.between_time('14:45:00', '14:59:59').tail(1))

这是一个似乎相关的链接(以及我基于上面命令的链接):Grouping daily data by month in python/pandas and then normalizing

最佳答案

这是第一天的简化示例,考虑到 d 是您的 quotes ds dataframen 是您的 3pm 数据框:

#get the first day of the 3pm dataframe
first_day = n.index.levels[0][0]
#get the day of the quotes dataframe from the first day of 3pm frame
d1 = d.ix[first_day]
#get the 3pm values for the first day
n1 = n.ix[first_day]
#normalize the bid column, don't forget to modify the range variable
norm = pd.concat([d1[d1.columns[i]].apply(lambda x: x / n1[n1.columns[i]]) for i in range(3)], axis = 1)

>>> norm
15:00:00+00:00 15:00:00+00:00 15:00:00+00:00
14:45:12+00:00 0.9987559978674249 0.9984039723355205 0.9985797976211611
14:46:10+00:00 0.9987559978674249 1.0001773364071644 0.9994674241079354
14:47:14+00:00 0.9994668562288963 1.000886682035822 1.0001775252973548
14:47:22+00:00 0.9996445708192642 0.9996453271856713 0.9996449494052904
14:47:47+00:00 0.9996445708192642 0.9992906543713425 0.9994674241079354
14:48:09+00:00 1.0001777145903676 0.9998226635928356 1.0
14:48:40+00:00 0.9998222854096321 1.0012413548501509 1.0005325758920647
14:49:40+00:00 0.9998222854096321 0.9994679907785069 0.9996449494052904
14:49:45+00:00 0.9994668562288963 1.000886682035822 1.0001775252973548
14:50:53+00:00 1.0001777145903676 0.9998226635928356 1.0

关于python - Pandas 在特定时间(不是午夜)将数据帧规范化为数据(报价),我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/29371414/

28 4 0
Copyright 2021 - 2024 cfsdn All Rights Reserved 蜀ICP备2022000587号
广告合作:1813099741@qq.com 6ren.com