- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我对 Python 和 Pandas 还很陌生,所以我还在学习。我有一个包含一堆 OHLCV 数据的 Dataframe,它被加载到一个 Dataframe 中
Timestamp Open High Low Close Volume Trades
Timestamp
2015-08-07 14:03:00+00:00 2015-08-07 14:03:00+00:00 3.00000 3.00000 3.00 3.00 81.857278 2
2015-08-07 17:19:00+00:00 2015-08-07 17:19:00+00:00 3.00001 3.00001 3.00 3.00 42.073291 2
2015-08-08 06:43:00+00:00 2015-08-08 06:43:00+00:00 3.00000 3.00000 3.00 3.00 0.400000 1
2015-08-08 09:31:00+00:00 2015-08-08 09:31:00+00:00 2.00000 2.00000 2.00 2.00 125.000000 2
2015-08-08 16:30:00+00:00 2015-08-08 16:30:00+00:00 1.20000 1.20000 1.20 1.20 54.759700 1
... ... ... ... ... ... ... ...
2020-12-31 23:55:00+00:00 2020-12-31 23:55:00+00:00 738.49000 738.49000 738.49 738.49 0.748789 3
2020-12-31 23:56:00+00:00 2020-12-31 23:56:00+00:00 738.07000 738.07000 737.72 737.72 2.491733 8
2020-12-31 23:57:00+00:00 2020-12-31 23:57:00+00:00 738.15000 738.15000 737.94 738.05 56.043875 9
2020-12-31 23:58:00+00:00 2020-12-31 23:58:00+00:00 738.14000 738.15000 737.55 737.75 80.826279 16
2020-12-31 23:59:00+00:00 2020-12-31 23:59:00+00:00 737.01000 737.60000 737.01 737.45 3.129885 8
如您所见,由于该分钟内没有实际交易量,因此某些条目之间缺少几分钟。我想要做的是创建一个具有前一分钟交易量的新列,如果前一分钟没有行,则该值应为 0。
df.loc[
(df['Timestamp'].shift().notna() == True) &
(
((df['Timestamp'].shift().dt.minute.astype(int) == (df['Timestamp'].dt.minute.astype(int) - 1)) & (df['Timestamp'].dt.minute.astype(int) >= 2)) |
((df['Timestamp'].shift().dt.minute.astype(int) == 59) & (df['Timestamp'].dt.minute.astype(int) >= 2))
), 'previousVolume'] = df['Volume'].shift().astype(float)
用于添加
0
■ 我会检查上述是否定的。
Traceback (most recent call last):
File "engulfing_test.py", line 145, in <module>
), 'previousVolume'] = df['Volume'].shift().astype(float)
File "/Users/username/Projects/Personal/crypto-bot/env/lib/python3.7/site-packages/pandas/core/generic.py", line 5877, in astype
new_data = self._mgr.astype(dtype=dtype, copy=copy, errors=errors)
File "/Users/username/Projects/Personal/crypto-bot/env/lib/python3.7/site-packages/pandas/core/internals/managers.py", line 631, in astype
return self.apply("astype", dtype=dtype, copy=copy, errors=errors)
File "/Users/username/Projects/Personal/crypto-bot/env/lib/python3.7/site-packages/pandas/core/internals/managers.py", line 427, in apply
applied = getattr(b, f)(**kwargs)
File "/Users/username/Projects/Personal/crypto-bot/env/lib/python3.7/site-packages/pandas/core/internals/blocks.py", line 673, in astype
values = astype_nansafe(vals1d, dtype, copy=True)
File "/Users/username/Projects/Personal/crypto-bot/env/lib/python3.7/site-packages/pandas/core/dtypes/cast.py", line 1068, in astype_nansafe
raise ValueError("Cannot convert non-finite values (NA or inf) to integer")
ValueError: Cannot convert non-finite values (NA or inf) to integer
我知道像这样工作的复杂语句,导致做这样的事情:
df.loc[(df['Timestamp'].dt.minute.astype(int) > 10) & (df['Timestamp'].dt.minute.astype(int) < 57), 'gt10lt57'] = 'Yes'
非常感谢任何帮助
print(df.head().to_dict())
的输出
{'Timestamp': {Timestamp('2015-08-07 14:03:00+0000', tz='UTC'): Timestamp('2015-08-07 14:03:00+0000', tz='UTC'), Timestamp('2015-08-07 17:19:00+0000', tz='UTC'): Timestamp('2015-08-07 17:19:00+0000', tz='UTC'), Timestamp('2015-08-08 06:43:00+0000', tz='UTC'): Timestamp('2015-08-08 06:43:00+0000', tz='UTC'), Timestamp('2015-08-08 09:31:00+0000', tz='UTC'): Timestamp('2015-08-08 09:31:00+0000', tz='UTC'), Timestamp('2015-08-08 16:30:00+0000', tz='UTC'): Timestamp('2015-08-08 16:30:00+0000', tz='UTC')}, 'Open': {Timestamp('2015-08-07 14:03:00+0000', tz='UTC'): 3.0, Timestamp('2015-08-07 17:19:00+0000', tz='UTC'): 3.00001, Timestamp('2015-08-08 06:43:00+0000', tz='UTC'): 3.0, Timestamp('2015-08-08 09:31:00+0000', tz='UTC'): 2.0, Timestamp('2015-08-08 16:30:00+0000', tz='UTC'): 1.2}, 'High': {Timestamp('2015-08-07 14:03:00+0000', tz='UTC'): 3.0, Timestamp('2015-08-07 17:19:00+0000', tz='UTC'): 3.00001, Timestamp('2015-08-08 06:43:00+0000', tz='UTC'): 3.0, Timestamp('2015-08-08 09:31:00+0000', tz='UTC'): 2.0, Timestamp('2015-08-08 16:30:00+0000', tz='UTC'): 1.2}, 'Low': {Timestamp('2015-08-07 14:03:00+0000', tz='UTC'): 3.0, Timestamp('2015-08-07 17:19:00+0000', tz='UTC'): 3.0, Timestamp('2015-08-08 06:43:00+0000', tz='UTC'): 3.0, Timestamp('2015-08-08 09:31:00+0000', tz='UTC'): 2.0, Timestamp('2015-08-08 16:30:00+0000', tz='UTC'): 1.2}, 'Close': {Timestamp('2015-08-07 14:03:00+0000', tz='UTC'): 3.0, Timestamp('2015-08-07 17:19:00+0000', tz='UTC'): 3.0, Timestamp('2015-08-08 06:43:00+0000', tz='UTC'): 3.0, Timestamp('2015-08-08 09:31:00+0000', tz='UTC'): 2.0, Timestamp('2015-08-08 16:30:00+0000', tz='UTC'): 1.2}, 'Volume': {Timestamp('2015-08-07 14:03:00+0000', tz='UTC'): 81.85727776, Timestamp('2015-08-07 17:19:00+0000', tz='UTC'): 42.07329055, Timestamp('2015-08-08 06:43:00+0000', tz='UTC'): 0.4, Timestamp('2015-08-08 09:31:00+0000', tz='UTC'): 125.0, Timestamp('2015-08-08 16:30:00+0000', tz='UTC'): 54.7597}, 'Trades': {Timestamp('2015-08-07 14:03:00+0000', tz='UTC'): 2, Timestamp('2015-08-07 17:19:00+0000', tz='UTC'): 2, Timestamp('2015-08-08 06:43:00+0000', tz='UTC'): 1, Timestamp('2015-08-08 09:31:00+0000', tz='UTC'): 2, Timestamp('2015-08-08 16:30:00+0000', tz='UTC'): 1}}
最佳答案
asfreq
首先,去掉重复的Timestamp
与索引相同的列。
将索引留在原处。 asfreq
将改变索引的频率。
df.drop('Timestamp', axis=1).asfreq('min', fill_value=0)
Open High Low Close Volume Trades
Timestamp
2015-08-07 14:03:00+00:00 3.00 3.00 3.00 3.00 81.857278 2
2015-08-07 14:04:00+00:00 0.00 0.00 0.00 0.00 0.000000 0
2015-08-07 14:05:00+00:00 0.00 0.00 0.00 0.00 0.000000 0
2015-08-07 14:06:00+00:00 0.00 0.00 0.00 0.00 0.000000 0
2015-08-07 14:07:00+00:00 0.00 0.00 0.00 0.00 0.000000 0
... ... ... ... ... ... ...
2020-12-31 23:55:00+00:00 738.49 738.49 738.49 738.49 0.748789 3
2020-12-31 23:56:00+00:00 738.07 738.07 737.72 737.72 2.491733 8
2020-12-31 23:57:00+00:00 738.15 738.15 737.94 738.05 56.043875 9
2020-12-31 23:58:00+00:00 738.14 738.15 737.55 737.75 80.826279 16
2020-12-31 23:59:00+00:00 737.01 737.60 737.01 737.45 3.129885 8
[2841717 rows x 6 columns]
关于python - Pandas 向量化中的复杂条件,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/66805048/
pandas.crosstab 和 Pandas 数据透视表似乎都提供了完全相同的功能。有什么不同吗? 最佳答案 pivot_table没有 normalize争论,不幸的是。 在 crosstab
我能找到的最接近的答案似乎太复杂:How I can create an interval column in pandas? 如果我有一个如下所示的 pandas 数据框: +-------+ |
这是我用来将某一行的一列值移动到同一行的另一列的当前代码: #Move 2014/15 column ValB to column ValA df.loc[(df.Survey_year == 201
我有一个以下格式的 Pandas 数据框: df = pd.DataFrame({'a' : [0,1,2,3,4,5,6], 'b' : [-0.5, 0.0, 1.0, 1.2, 1.4,
所以我有这两个数据框,我想得到一个新的数据框,它由两个数据框的行的克罗内克积组成。正确的做法是什么? 举个例子:数据框1 c1 c2 0 10 100 1 11 110 2 12
TL;DR:在 pandas 中,如何绘制条形图以使其 x 轴刻度标签看起来像折线图? 我制作了一个间隔均匀的时间序列(每天一个项目),并且可以像这样很好地绘制它: intensity[350:450
我有以下两个时间列,“Time1”和“Time2”。我必须计算 Pandas 中的“差异”列,即 (Time2-Time1): Time1 Time2
从这个 df 去的正确方法是什么: >>> df=pd.DataFrame({'a':['jeff','bob','jill'], 'b':['bob','jeff','mike']}) >>> df
我想按周从 Pandas 框架中的列中累积计算唯一值。例如,假设我有这样的数据: df = pd.DataFrame({'user_id':[1,1,1,2,2,2],'week':[1,1,2,1,
数据透视表的表示形式看起来不像我在寻找的东西,更具体地说,结果行的顺序。 我不知道如何以正确的方式进行更改。 df示例: test_df = pd.DataFrame({'name':['name_1
我有一个数据框,如下所示。 Category Actual Predicted 1 1 1 1 0
我有一个 df,如下所示。 df: ID open_date limit 1 2020-06-03 100 1 2020-06-23 500
我有一个 df ,其中包含与唯一值关联的各种字符串。对于这些唯一值,我想删除不等于单独列表的行,最后一行除外。 下面使用 Label 中的各种字符串值与 Item 相关联.所以对于每个唯一的 Item
考虑以下具有相同名称的列的数据框(显然,这确实发生了,目前我有一个像这样的数据集!:() >>> df = pd.DataFrame({"a":range(10,15),"b":range(5,10)
我在 Pandas 中有一个 DF,它看起来像: Letters Numbers A 1 A 3 A 2 A 1 B 1 B 2
如何减去两列之间的时间并将其转换为分钟 Date Time Ordered Time Delivered 0 1/11/19 9:25:00 am 10:58:00 am
我试图理解 pandas 中的下/上百分位数计算,但有点困惑。这是它的示例代码和输出。 test = pd.Series([7, 15, 36, 39, 40, 41]) test.describe(
我有一个多索引数据框,如下所示: TQ bought HT Detailed Instru
我需要从包含值“低”,“中”或“高”的数据框列创建直方图。当我尝试执行通常的df.column.hist()时,出现以下错误。 ex3.Severity.value_counts() Out[85]:
我试图根据另一列的长度对一列进行子串,但结果集是 NaN .我究竟做错了什么? import pandas as pd df = pd.DataFrame([['abcdefghi','xyz'],
我是一名优秀的程序员,十分优秀!