Pandas – группировка внутридневных расписаний по дате

У меня есть внутридневная серия журнальных возвратов за несколько дней, которые я хотел бы уменьшить до ежедневного ohlc. Я могу сделать что-то вроде

hi = series.resample('B', how=lambda x: np.max(np.cumsum())) low = series.resample('B', how=lambda x: np.min(np.cumsum())) 

Но для каждого вызова кажется неэффективным вычислять cumsum. Есть ли способ сначала вычислить cumsums, а затем применить «ohcl» к данным?

 1999-08-09 12:30:00-04:00 -0.000486 1999-08-09 12:31:00-04:00 -0.000606 1999-08-09 12:32:00-04:00 -0.000120 1999-08-09 12:33:00-04:00 -0.000037 1999-08-09 12:34:00-04:00 -0.000337 1999-08-09 12:35:00-04:00 0.000100 1999-08-09 12:36:00-04:00 0.000219 1999-08-09 12:37:00-04:00 0.000285 1999-08-09 12:38:00-04:00 -0.000981 1999-08-09 12:39:00-04:00 -0.000487 1999-08-09 12:40:00-04:00 0.000476 1999-08-09 12:41:00-04:00 0.000362 1999-08-09 12:42:00-04:00 -0.000038 1999-08-09 12:43:00-04:00 -0.000310 1999-08-09 12:44:00-04:00 -0.000337 ... 1999-09-28 06:45:00-04:00 0.000000 1999-09-28 06:46:00-04:00 0.000000 1999-09-28 06:47:00-04:00 0.000000 1999-09-28 06:48:00-04:00 0.000102 1999-09-28 06:49:00-04:00 -0.000068 1999-09-28 06:50:00-04:00 0.000136 1999-09-28 06:51:00-04:00 0.000566 1999-09-28 06:52:00-04:00 0.000469 1999-09-28 06:53:00-04:00 0.000000 1999-09-28 06:54:00-04:00 0.000000 1999-09-28 06:55:00-04:00 0.000000 1999-09-28 06:56:00-04:00 0.000000 1999-09-28 06:57:00-04:00 0.000000 1999-09-28 06:58:00-04:00 0.000000 1999-09-28 06:59:00-04:00 0.000000 

2 Solutions collect form web for “Pandas – группировка внутридневных расписаний по дате”

 df.groupby([df.index.year, df.index.month, df.index.day]).transform(np.cumsum).resample('B', how='ohlc') 

Я думаю, что это может быть то, что я хочу, но я должен проверить.

EDIT: После ответа zelazny7:

 df.groupby(pd.TimeGrouper('D')).transform(np.cumsum).resample('D', how='ohlc') 

работает и также более эффективен, чем мое предыдущее решение.

Я не смог заставить ваше предложение пересмотреть работу. Вам повезло? Вот способ агрегирования данных на уровне бизнес-дня и вычисления статистики OHLC за один проход:

 from io import BytesIO from pandas import * text = """1999-08-09 12:30:00-04:00 -0.000486 1999-08-09 12:31:00-04:00 -0.000606 1999-08-09 12:32:00-04:00 -0.000120 1999-08-09 12:33:00-04:00 -0.000037 1999-08-09 12:34:00-04:00 -0.000337 1999-08-09 12:35:00-04:00 0.000100 1999-08-09 12:36:00-04:00 0.000219 1999-08-09 12:37:00-04:00 0.000285 1999-08-09 12:38:00-04:00 -0.000981 1999-08-09 12:39:00-04:00 -0.000487 1999-08-09 12:40:00-04:00 0.000476 1999-08-09 12:41:00-04:00 0.000362 1999-08-09 12:42:00-04:00 -0.000038 1999-08-09 12:43:00-04:00 -0.000310 1999-08-09 12:44:00-04:00 -0.000337""" df = read_csv(BytesIO(text), sep='\s+', parse_dates=[[0,1]], index_col=[0], header=None) 

Здесь я создаю словарь словарей. Внешний ключ ссылается на столбцы, к которым вы хотите применить функции. Внутренний ключ содержит имена ваших функций агрегации, а внутренние значения – это функции, которые вы хотите применить:

 f = {2: {'O':'first', 'H':'max', 'L':'min', 'C':'last'}} df.groupby(TimeGrouper(freq='B')).agg(f) Out: 2 HCLO 1999-08-09 0.000476 -0.000337 -0.000981 -0.000486 
  • Проблемы с установкой pandas в python в MAC
  • Эффективный способ создания матрицы плотности термина из pandas DataFrame
  • Данные считываются как одномерные, но не - «ValueError: требуется больше 1 значения для распаковки»
  • Отбросить столбец, который является подмножеством любого другого столбца в фрейме данных
  • Как сделать корреляцию Пирсона выбранных столбцов кадра данных Pandas
  • Добавление рабочих дней в столбец datetime
  • Как сохранить мультииндекс pandas между to_excel () и read_excel ()?
  • Преобразовать столбец Pandas, содержащий NaN, в dtype `int`
  • Python - лучший язык программирования в мире.