PythonDataframe时间序列处理，日线转季周月年线_无有-散人

http://blog.sina.com.cn/u/1920634280

首页博文目录关于我

个人资料

微博

加好友发纸条

写留言加关注

博客等级：
博客积分：

博客访问：
关注人气：
获赠金笔：0支
赠出金笔：0支
荣誉徽章：

正文字体大小：大中小

PythonDataframe时间序列处理，日线转季周月年线

(2018-09-18 10:59:22)

标签：

python

日线

月线

季线

dataframe

分类： Python

用Tushare获得股票历史交易数据并存放在Dataframe中，名为df，结构如下，部分列为后处理，不重要

ts_code	trade_date	open	high	low	close	pre_close	change	pct_change	vol	amount	report_date	report_year
0	000001.SZ	20180820	8.90	9.02	8.87	9.00	8.81	0.19	2.1566	681322.06	609934.725	20180630	20171231

现在需要将其转换为季线，从而和财报结合观测数据，具体代码如下

 Python Code 

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38

#转换YYYYMMDD格式的字符串为YYYY-MM-DD
def str_to_date(str):
    if len(str)==8:
        return str[0:4]+'-'+str[4:6]+'-'+str[6:8]
    else:
        return str
df['trade_date']=df['trade_date'].apply(str_to_date)

#转换为日期格式，否则无法转换季线
df['trade_date'] = pd.to_datetime(df['trade_date'])
# W 周 M 月 Y 年 Q 季度，这里用Q
period_type = 'Q'
#必须将日期格式作为索引，才能做resample
df.set_index('trade_date',inplace=True)

#原来的做法是 resample(...how='last')，但新版本中不那么用了
#日期用最后那天的日期
df_quote = df.resample(period_type).last()
#涨跌用自定义函数计算，这里用apply
#开盘取第一天，收盘去最后一天，最高和最低分别取最大最小值，成交量和成交金额取求和值
#这里也不用how的方法
df_quote['change'] = df['change'].resample(period_type).apply(lambda x:(x+1.0).prod()-1.0)
df_quote['open'] = df['open'].resample(period_type).first()
df_quote['close'] = df['close'].resample(period_type).last()
df_quote['high'] = df['high'].resample(period_type).max()
df_quote['low'] = df['low'].resample(period_type).min()
df_quote['vol'] = df['vol'].resample(period_type).sum()
df_quote['amount'] = df['amount'].resample(period_type).sum()

#过滤整季度无交易的数据
df_quote = df_quote[df_quote['ts_code'].notnull()]
#从新索引
df_quote.reset_index(inplace=True)
df.reset_index(inplace=True)

df_quote

阅读┊ 收藏 ┊ 喜欢 ▼ ┊打印┊举报/Report

前一篇：2018新个税5000起征点Excel计算公式

后一篇：Python数据分析从入门到放弃（二十）时间序列1

新浪BLOG意见反馈留言板　欢迎批评指正