時(shí)間序列數(shù)據(jù)是數(shù)據(jù)分析中經(jīng)常遇到的類型，為了更多的挖掘出數(shù)據(jù)內(nèi)部的信息，我們常常依據(jù)原始數(shù)據(jù)中的時(shí)間周期，將其轉(zhuǎn)換成不同跨度的周期，然后再看數(shù)據(jù)是否會(huì)在新的周期上產(chǎn)生新的特性。

下面以模擬的K線數(shù)據(jù)為例，演示如何使用pandas來(lái)進(jìn)行周期轉(zhuǎn)換。

1. 創(chuàng)建測(cè)試數(shù)據(jù)

首先創(chuàng)建測(cè)試數(shù)據(jù)，下面創(chuàng)建一天的K線數(shù)據(jù)，數(shù)據(jù)的間隔為1分鐘（1min）。

import pandas as pd
import numpy as np

# 創(chuàng)建時(shí)間序列的列，時(shí)間間隔1分鐘
date_col = pd.date_range("2024-01-01", "2024-01-02", freq="1min")
data_len = len(date_col)

# 模擬的K線數(shù)據(jù)
df = pd.DataFrame(
    np.random.randint(1, 10, size=(data_len, 5)),
    columns=["open", "close", "high", "low", "volumn"],
)

df.insert(0, "begin_time", date_col)
df

其中各個(gè)字段的含義：
open（開盤價(jià)），close（收盤價(jià)），high（最高價(jià)），low（最低價(jià)），volumn（成交量）。

2. 周期轉(zhuǎn)換和數(shù)據(jù)聚合

如果有股票或者類似交易的朋友都知道，K線的時(shí)間間隔是不固定的，不一定像上面的測(cè)試數(shù)據(jù)那樣間隔1分鐘，
一般根據(jù)自己的買賣頻率會(huì)查看不同時(shí)間間隔的K線。

但是采集數(shù)據(jù)時(shí)，一般不會(huì)去采集各種時(shí)間間隔的K線，我們可以根據(jù)1分鐘的K線，去轉(zhuǎn)換其他不同時(shí)間間隔的K線。
轉(zhuǎn)換的方法，就是使用pandas的resample函數(shù)。
通過(guò)resample周期轉(zhuǎn)換其實(shí)就是以一定的周期對(duì)數(shù)據(jù)進(jìn)行groupby，所以，resample也像groupby一樣，需要對(duì)新周期中的數(shù)據(jù)進(jìn)行聚合。

比如，下面的數(shù)據(jù)我們將1分鐘的K線轉(zhuǎn)換為5分鐘的K線。

df.resample("5min", on="begin_time").agg({
    "open": "first",
    "close": "last",
    "high": "max",
    "low": "min",
    "volumn": "sum",
})

比如，原始數(shù)據(jù)每5個(gè)聚合成一個(gè)。
以前5個(gè)數(shù)據(jù)（2024-01-01 00:00:00~2024-01-01 00:04:00）為例。

open取第一個(gè)值，close取最后一個(gè)值，high取最大值，low取最小值，volumn取合計(jì)值。

除了上面的5分鐘的數(shù)據(jù)，通過(guò)resample還可以聚合15分鐘的K線，1小時(shí)，4小時(shí)等等各種時(shí)間間隔的K線。
方法類似，這里不再一一贅述。

3. 周期中的缺失值

對(duì)于完整的數(shù)據(jù)，就像上面那樣轉(zhuǎn)換即可，然而實(shí)際情況下的數(shù)據(jù)，部分缺失的情況是很常見的，
特別是上面的1分鐘K線數(shù)據(jù)，極有可能1分鐘沒有交易，出現(xiàn)缺失的情況，有可能連續(xù)5分鐘都沒有數(shù)據(jù)。

下面看看數(shù)據(jù)缺失時(shí)，resample轉(zhuǎn)換的情況。
先從上面的測(cè)試數(shù)據(jù)中取20個(gè)再進(jìn)行一些刪減，構(gòu)造數(shù)據(jù)缺失的情況：

df_ = df.copy()
df_ = df_.iloc[:20]
df_ = df_.drop([3, 5, 6, 7, 8, 9, 10, 15, 16])
df_ = df_.reset_index(drop=True)
df_

每組都有一些缺失，其中（2024-01-01 00:06:00~2024-01-01 00:10:00）整個(gè)5分鐘的數(shù)據(jù)都缺失了。

此時(shí)，再按照5分鐘間隔來(lái)resample，得到：

df_.resample("5min", on="begin_time").agg({
    "open": "first",
    "close": "last",
    "high": "max",
    "low": "min",
    "volumn": "sum",
})

從中可以得出兩個(gè)結(jié)論：

• 部分缺失，就用剩余的數(shù)據(jù)來(lái)聚合計(jì)算（比如5分鐘的數(shù)據(jù)就剩3條，那就用這3條來(lái)聚合）
• 整個(gè)缺失，那么就用聚合函數(shù)的默認(rèn)值來(lái)填充，比如上面2024-01-01 00:05:00這條

4. 總結(jié)

時(shí)間序列數(shù)據(jù)的分析過(guò)程中，周期轉(zhuǎn)換是一個(gè)很常用的操作。

不過(guò)，不是簡(jiǎn)單的用resample來(lái)轉(zhuǎn)換就完事了，周期轉(zhuǎn)換之后也會(huì)帶來(lái)新的問題，比如上面示例中由于轉(zhuǎn)換形成的空值，這些空值是要直接丟棄？還是要插值？如果要插值的話，是用基準(zhǔn)數(shù)據(jù)來(lái)填充？還是用平均值？用移動(dòng)平均值？用中位數(shù)？等等來(lái)插值，這些都需要根據(jù)具體的分析場(chǎng)景和使用的分析算法來(lái)進(jìn)一步討論。本文主要介紹使用resample來(lái)轉(zhuǎn)換數(shù)據(jù)，而關(guān)于插值方法的詳細(xì)討論將另文闡述。

以上就是詳解如何使用pandas進(jìn)行時(shí)間序列數(shù)據(jù)的周期轉(zhuǎn)換的詳細(xì)內(nèi)容，更多關(guān)于pandas數(shù)據(jù)周期轉(zhuǎn)換的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章！

最新評(píng)論