Pandas必备技能之“时间序列数据处理”

挖地兔 · 公众号 · · 2019-06-11 06:06

正文

请到「今天看啥」查看全文

()
Out [15] :
ts_code open high low close pre_close change pct_chg vol amount
trade_date
2018 -07-02 000001 .SZ 9 .05 9 .05 8 .55 8 .61 9 .09 -0 .48 -5 .28 1315520 .13 1158545 .868
2018 -07-03 000001 .SZ 8 .69 8 .70 8 .45 8 .67 8 .61 0 .06 0 .70 1274838 .57 1096657 .033
2018 -07-04 000001 .SZ 8 .63 8 .75 8 .61 8 .61 8 .67 -0 .06 -0 .69 711153 .37 617278 .559
2018 -07-05 000001 .SZ 8 .62 8 .73 8 .55 8 .60 8 .61 -0 .01 -0 .12 835768 .77 722169 .579
2018 -07-06 000001 .SZ 8 .61 8 .78 8 .45 8 .66 8 .60 0 .06 0 .70 988282 .69 852071 .526

时间周期转换

在完成时间格式转换之后，我们就可以进行后续的日期操作了。下面介绍一下如何对时间序列数据进行重采样 resampling 。

重采样指的是将时间序列从⼀个频率转换到另⼀个频率的处理过程。将⾼频率数据聚合到低频率称为降采样 downsampling ，如将股票的日线数据转换成周线数据，⽽将低频率数据转换到⾼频率则称为升采样 upsampling ，如将股票的周线数据转换成日线数据。

降采样 ：以日线数据转换周线数据为例。继续使用上面的 tushare.pro 日线行情数据，选出特定的几列。

df = df[['ts_code', 'open', 'high', 'low', 'close', 'vol']]  # 单位：成交量 （手）


              ts_code  open  high   low  close         vol
trade_date                                                
2018-07-02  000001.SZ  9.05  9.05  8.55   8.61  1315520.13
2018-07-03  000001.SZ  8.69  8.70  8.45   8.67  1274838.57
2018-07-04  000001.SZ  8.63  8.75  8.61   8.61   711153.37
2018-07-05  000001.SZ  8.62  8.73  8.55   8.60   835768.77
2018-07-06  000001.SZ  8.61  8.78  8.45   8.66   988282.69
2018-07-09  000001.SZ  8.69  9.03  8.68   9.03  1409954.60
2018-07-10  000001.SZ  9.02  9.02  8.89   8.98   896862.02
2018-07-11  000001.SZ  8.76  8.83  8.68   8.78   851296.70
2018-07-12  000001.SZ  8.60  8.97  8.58   8.88  1140492.31
2018-07-13  000001.SZ  8.92  8.94  8.82   8.88   603378.21
2018-07-16  000001.SZ  8.85  8.90  8.69   8.73   689845.58
2018-07-17  000001.SZ  8.74  8.75  8.66   8.72   375356.33
2018-07-18  000001.SZ  8.75  8.85  8.69   8.70   525152.77

为了方便大家观察，把这段时间的日历附在下面，'2018-07-02'正好是星期一。