Resampling-trade-Daten in OHLCV mit pandas

Habe ich historische Daten über den Handel in ein pandas DataFrame, mit Preis und Volumen Spalten, indiziert durch eine DateTimeIndex.

Beispiel:

>>> print df.tail()
                             price  volume
2014-01-15 14:29:54+00:00  949.975    0.01
2014-01-15 14:29:59+00:00  941.370    0.01
2014-01-15 14:30:17+00:00  949.975    0.01
2014-01-15 14:30:24+00:00  941.370    0.01
2014-01-15 14:30:36+00:00  949.975    0.01

Nun, ich kann resample dies in die OHLC-Daten mit df.resample(freq, how={'price': 'ohlc'}), was in Ordnung ist, aber ich würde auch gerne mal die Lautstärke.

Wenn ich versuche df.resample(freq, how={'price': 'ohlc', 'volume': 'sum'}) ich bekommen:

ValueError: Shape of passed values is (2,), indices imply (2, 95)

Ich bin mir nicht ganz sicher, was falsch ist mit meinem dataset, oder warum dies nicht gelingt. Könnte mir jemand helfen, etwas Licht in diese Schuppen? Sehr geschätzt wird.

InformationsquelleAutor jespern | 2014-01-15
  1. 11

    Das problem ist nicht die resampling, es ist aus versuchen, concat ein MultiIndex (vom Preis OHLC), mit einem regulären index (für die Volumen-Summe).

    In [17]: df
Out[17]: 
                       price  volume
2014-01-15 14:29:54  949.975    0.01
2014-01-15 14:29:59  941.370    0.01
2014-01-15 14:30:17  949.975    0.01
2014-01-15 14:30:24  941.370    0.01
2014-01-15 14:30:36  949.975    0.01

[5 rows x 2 columns]

In [18]: df.resample('30s', how={'price': 'ohlc'})  # Note the MultiIndex
Out[18]: 
                       price                           
                        open     high      low    close
2014-01-15 14:29:30  949.975  949.975  941.370  941.370
2014-01-15 14:30:00  949.975  949.975  941.370  941.370
2014-01-15 14:30:30  949.975  949.975  949.975  949.975

[3 rows x 4 columns]

In [19]: df.resample('30s', how={'volume': 'sum'})  # Regular Index for columns
Out[19]: 
                     volume
2014-01-15 14:29:30    0.02
2014-01-15 14:30:00    0.02
2014-01-15 14:30:30    0.01

[3 rows x 1 columns]

    Ich denke, man könnte manuell einen MultiIndex für (volume, sum) und dann concat:

    In [34]: vol = df.resample('30s', how={'volume': 'sum'})

In [35]: vol.columns = pd.MultiIndex.from_tuples([('volume', 'sum')])

In [36]: vol
Out[36]: 
                     volume
                        sum
2014-01-15 14:29:30    0.02
2014-01-15 14:30:00    0.02
2014-01-15 14:30:30    0.01

[3 rows x 1 columns]

In [37]: price = df.resample('30s', how={'price': 'ohlc'})

In [38]: pd.concat([price, vol], axis=1)
Out[38]: 
                       price                             volume
                        open     high      low    close     sum
2014-01-15 14:29:30  949.975  949.975  941.370  941.370    0.02
2014-01-15 14:30:00  949.975  949.975  941.370  941.370    0.02
2014-01-15 14:30:30  949.975  949.975  949.975  949.975    0.01

[3 rows x 5 columns]

    Aber es könnte besser sein, wenn resample umgehen konnte dies automatisch.

    • Problem für dieses intern: github.com/pydata/pandas/issues/5946
    • Dies scheint gelöst zu sein mit neuen resample-API (df.resample('30S').agg({'price': 'ohlc', 'volume': 'sum'})).
    InformationsquelleAutor TomAugspurger
  2. 1

    Können Sie jetzt tun, dies in späteren Versionen der Pandas
    Beispiel: Pandas version 0.22.00 df.resample('30S').mean()

    InformationsquelleAutor campervancoder
Schreibe einen Kommentar