Les Pandas OHLC agrégation sur OHLC de données

Je comprends que OHLC ré-échantillonnage des données de séries chronologiques dans les Pandas, en utilisant une colonne de données, fonctionne parfaitement, par exemple sur les points suivants dataframe:

>>df
ctime       openbid
1443654000  1.11700
1443654060  1.11700
...

df['ctime']  = pd.to_datetime(df['ctime'], unit='s')
df           = df.set_index('ctime')
df.resample('1H',  how='ohlc', axis=0, fill_method='bfill')


>>>
                     open     high     low       close
ctime                                                   
2015-09-30 23:00:00  1.11700  1.11700  1.11687   1.11697
2015-09-30 24:00:00  1.11700  1.11712  1.11697   1.11697
...

Mais que dois-je faire si les données sont déjà dans une OHLC format? De ce que je peux rassembler les OHLC méthode de l'API calcule un OHLC tranche pour chaque colonne, donc si mes données sont dans le format:

             ctime  openbid  highbid   lowbid  closebid
0       1443654000  1.11700  1.11700  1.11687   1.11697
1       1443654060  1.11700  1.11712  1.11697   1.11697
2       1443654120  1.11701  1.11708  1.11699   1.11708

Quand j'ai essayer de ré-échantillonnage-je obtenir une OHLC pour chacune des colonnes, comme suit:

                     openbid                             highbid           \
                        open     high      low    close     open     high   
ctime                                                                       
2015-09-30 23:00:00  1.11700  1.11700  1.11700  1.11700  1.11700  1.11712   
2015-09-30 23:01:00  1.11701  1.11701  1.11701  1.11701  1.11708  1.11708 
...
                                        lowbid                             \
                         low    close     open     high      low    close   
ctime                                                                       
2015-09-30 23:00:00  1.11700  1.11712  1.11687  1.11697  1.11687  1.11697   
2015-09-30 23:01:00  1.11708  1.11708  1.11699  1.11699  1.11699  1.11699  
...

                    closebid                             
                        open     high      low    close  
ctime                                                    
2015-09-30 23:00:00  1.11697  1.11697  1.11697  1.11697  
2015-09-30 23:01:00  1.11708  1.11708  1.11708  1.11708

Est-il rapide(ish) solution de contournement pour ce que quelqu'un est prêt à partager s'il vous plaît, sans avoir à me obtenir jusqu'aux genoux dans les pandas manuel?

Grâce.

ps, il y a cette réponse - La conversion de OHLC données de stock dans un délai différent avec python et les pandas - mais c'était il y a 4 ans, donc j'espère que certains progrès ont été accomplis.

OriginalL'auteur user3439187 | 2016-03-25

  1. 28

    Ceci est similaire à la réponse que vous avez lié, mais un peu plus propre, et plus rapide, car il utilise l'optimisation des agrégations, plutôt que de les lambdas.

    Noter que le resample(...).agg(...) syntaxe nécessite pandas version 0.18.0.

    In [101]: df.resample('1H').agg({'openbid': 'first', 
                                 'highbid': 'max', 
                                 'lowbid': 'min', 
                                 'closebid': 'last'})
Out[101]: 
                      lowbid  highbid  closebid  openbid
ctime                                                   
2015-09-30 23:00:00  1.11687  1.11712   1.11708    1.117
    Ouais je vais aller avec celui-là; il signifie la mise à jour des pandas, mais la façon dont ma fonction était d'aller signifie que c'est l'option préférable. Merci.
    Aucune idée si je pouvais ajouter le fill_method='bfill' méthode dans la solution à traiter avec la NAN?
    Oubliez cette dernière question, la méthode a changé .bfill()
    Voici une alternative si vous exécutez dans l'erreur avec ctime de l'indice ci-dessus: df = df.set_index('datetime')
    J'ai eu à utiliser ces paramètres pour correspondre avec mes graphiques de la plateforme df.resample('1H', closed = 'right',label = 'right').agg({'open': 'first', 'high': 'max', 'low': 'min', 'close': 'last'})

    OriginalL'auteur chrisb

  2. 3

    Vous devez utiliser un OrderedDict de conserver les lignes de commande dans les versions plus récentes de pandas, comme suit:

    import pandas as pd
from collections import OrderedDict

df['ctime'] = pd.to_datetime(df['ctime'], unit='s')
df = btceur.set_index('ctime')
df = df.resample('5Min').agg(
    OrderedDict([
        ('open', 'first'),
        ('high', 'max'),
        ('low', 'min'),
        ('close', 'last'),
        ('volume', 'sum'),
    ])
)

    OriginalL'auteur Benjamin Crouzier