python - pandas 0.22，仅重新采样完整的箱子，丢弃部分

Question

我正在尝试将 1 小时的交易数据箱重新采样到 4 小时的箱中。问题是我的 pandas 代码还给出了尚未关闭的部分 bin 的输出。

我的输入:

                  close    high     low    open  symbol       turnover  \
timestamp
2018-05-08 03:00:00  9418.0  9449.0  9408.5  9412.5  XBTUSD  1091577940325
2018-05-08 04:00:00  9423.5  9435.0  9390.0  9418.0  XBTUSD   801492831858
2018-05-08 05:00:00  9414.0  9428.5  9393.5  9423.5  XBTUSD   445420257388
2018-05-08 06:00:00  9337.0  9414.0  9314.5  9414.0  XBTUSD  1349710247828
2018-05-08 07:00:00  9328.5  9359.5  9305.0  9337.0  XBTUSD  1103092129997
2018-05-08 08:00:00  9355.0  9359.5  9328.5  9328.5  XBTUSD   647813850343
2018-05-08 09:00:00  9376.0  9383.0  9355.0  9355.0  XBTUSD   597066647876
2018-05-08 10:00:00  9312.0  9376.5  9241.5  9376.0  XBTUSD  1933554301163
2018-05-08 11:00:00  9296.0  9338.0  9275.5  9312.0  XBTUSD  1318169059747
2018-05-08 12:00:00  9201.5  9305.0  9178.0  9296.0  XBTUSD  2058057970783

我的输出:

                   open    high     low   close     volume         vwap  \
timestamp
2018-05-08 04:00:00  9418.0  9435.0  9305.0  9328.5  346736372  9380.972675
2018-05-08 08:00:00  9328.5  9383.0  9241.5  9296.0  419074812  9332.798550
2018-05-08 12:00:00  9296.0  9305.0  9178.0  9201.5  189922434  9228.497600

请注意，从 12:00 到 16:00 的 4 小时间隔包含来自源的 12:00 小时间隔的部分数据。

我想要的输出应该是这样的:

                     open    high     low   close     volume         vwap  \
timestamp
2018-05-08 04:00:00  9418.0  9435.0  9305.0  9328.5  346736372  9380.972675
2018-05-08 08:00:00  9328.5  9383.0  9241.5  9296.0  419074812  9332.798550

因此只有整个 12:00 间隔必须关闭才能在重采样过程中提供数据。

到目前为止我的代码:

outputData = srcData.resample('4H').agg({'open': 'first',
                                                'high': 'max',
                                                'low': 'min',
                                                'close': 'last',
                                                'volume': 'sum',
                                                'vwap': 'mean',
                                                'turnover': 'sum',
                                                'symbol': 'first'})

pandas 中是否有一个函数可以帮助我，或者我是否必须想出一种方法来在重采样后切断部分间隔？干杯亚历克斯

Answer 1

您可以在 agg 方法中添加一个计数，然后使用该计数列来过滤生成的数据框以仅显示“完整容器”。

df_out = df.resample('4H').agg({'open': 'first',
                                 'high': 'max',
                                                 'low': 'min',
                                                 'close': 'last',
                                                 'turnover': 'sum',
                                                 'symbol': ['first','count']})
df_out.columns = df_out.columns.map('_'.join)

df_out.query('symbol_count == 4')

输出:

                     open_first  high_max  low_min  close_last   turnover_sum symbol_first  symbol_count
timestamp                                                                                               
2018-05-08 04:00:00      9418.0    9435.0   9305.0      9328.5  3699715467071       XBTUSD             4
2018-05-08 08:00:00      9328.5    9383.0   9241.5      9296.0  4496603859129       XBTUSD             4