我有一个带有高频(秒或分钟)股票数据的熊猫数据框。
e.g.
Date Time Open ... Low Close Volume
DT ...
2020-10-09 09:30:00 10/09/2020 09:30:00 3432.50 ... 3432.25 3432.50 37
2020-10-09 09:30:01 10/09/2020 09:30:01 3432.50 ... 3432.25 3432.50 8
2020-10-09 09:30:02 10/09/2020 09:30:02 3432.50 ... 3432.25 3432.50 11
2020-10-09 09:30:03 10/09/2020 09:30:03 3432.25 ... 3432.25 3432.50 11
2020-10-09 09:30:04 10/09/2020 09:30:04 3432.25 ... 3432.25 3432.75 134
... ... ... ... ... ... ...
2020-10-14 15:59:53 10/14/2020 15:59:53 3461.25 ... 3461.25 3461.50 59
2020-10-14 15:59:56 10/14/2020 15:59:56 3461.50 ... 3461.25 3461.50 61
2020-10-14 15:59:57 10/14/2020 15:59:57 3461.25 ... 3461.00 3461.75 54
2020-10-14 15:59:58 10/14/2020 15:59:58 3461.50 ... 3461.50 3461.50 25
2020-10-14 15:59:59 10/14/2020 15:59:59 3461.50 ... 3461.50 3461.75 16
我可以轻松地将这些数据重新采样为平均细分为 24 小时(或 1440 分钟/天)的分钟周期。
rule = '60T'
df = df.resample(rule, closed='right', label='right').agg(
{'Open': 'first',
'High': 'max',
'Low': 'min',
'Close': 'last',
'Volume': 'sum'
}).dropna()
您如何在每天 1440 分钟的时间段内执行此操作?例如规则 = '65T'
典型的美国股票数据从东部时间 9:30 到 16:00。对于 65 分钟的条形图,我希望重新采样以下时间段:
09:30-10:35
10:35-11:40
11:40-12:45
12:45-13:50
13:50-14:55
14:55-16:00