Python 无法使用resample.ohlc（）方法-DataError:没有要聚合的数字类型

我接收到股票的第二次滴答声，并将它们存储在一个数据框中。我需要对它们进行重采样，得到一分钟的ohlc值。这是我的密码：

    def on_ticks(ws, ticks):
    global time_second, df_cols, tick_cols, data_frame
    for company_data in ticks:
        ltp = company_data['last_price']
        timestamp = company_data['timestamp']
        lowest_sell = company_data['depth']['sell'][0]['price']
        highest_buy = company_data['depth']['buy'][0]['price']

    data = [timestamp, ltp, lowest_sell, highest_buy]
    tick_df = pd.DataFrame([data], columns=tick_cols)
    #print(tick_df)
    data_frame = pd.concat([data_frame, tick_df], axis=0, sort=True, ignore_index='true')
    #print("time_second is ", time_second)
    if time_second > timestamp.second:
        #print("now we will print data_frame")
        #print(data_frame)
        print("Resampling dataframe & Calculating the EMAs............")
        resamp_df = data_frame.resample('1T', on='Timestamp').ohlc()

当我运行此代码时，它会触发以下错误DataError:没有要聚合的数字类型：

    ---------------------------------------------------------------------------
DataError                                 Traceback (most recent call last)
<ipython-input-8-166d9105fb91> in <module>
----> 1 resamp = df.resample('1T', on='Timestamp').ohlc()

~\Anaconda3\lib\site-packages\pandas\core\resample.py in g(self, _method, *args, **kwargs)
    904     def g(self, _method=method, *args, **kwargs):
    905         nv.validate_resampler_func(_method, args, kwargs)
--> 906         return self._downsample(_method)
    907 
    908     g.__doc__ = getattr(GroupBy, method).__doc__

~\Anaconda3\lib\site-packages\pandas\core\resample.py in _downsample(self, how, **kwargs)
   1068         # we are downsampling
   1069         # we want to call the actual grouper method here
-> 1070         result = obj.groupby(self.grouper, axis=self.axis).aggregate(how, **kwargs)
   1071 
   1072         result = self._apply_loffset(result)

~\Anaconda3\lib\site-packages\pandas\core\groupby\generic.py in aggregate(self, arg, *args, **kwargs)
   1453     @Appender(_shared_docs["aggregate"])
   1454     def aggregate(self, arg=None, *args, **kwargs):
-> 1455         return super().aggregate(arg, *args, **kwargs)
   1456 
   1457     agg = aggregate

~\Anaconda3\lib\site-packages\pandas\core\groupby\generic.py in aggregate(self, func, *args, **kwargs)
    227         func = _maybe_mangle_lambdas(func)
    228 
--> 229         result, how = self._aggregate(func, _level=_level, *args, **kwargs)
    230         if how is None:
    231             return result

~\Anaconda3\lib\site-packages\pandas\core\base.py in _aggregate(self, arg, *args, **kwargs)
    354 
    355         if isinstance(arg, str):
--> 356             return self._try_aggregate_string_function(arg, *args, **kwargs), None
    357 
    358         if isinstance(arg, dict):

~\Anaconda3\lib\site-packages\pandas\core\base.py in _try_aggregate_string_function(self, arg, *args, **kwargs)
    303         if f is not None:
    304             if callable(f):
--> 305                 return f(*args, **kwargs)
    306 
    307             # people may try to aggregate on a non-callable attribute

~\Anaconda3\lib\site-packages\pandas\core\groupby\groupby.py in ohlc(self)
   1438         """
   1439 
-> 1440         return self._apply_to_column_groupbys(lambda x: x._cython_agg_general("ohlc"))
   1441 
   1442     @Appender(DataFrame.describe.__doc__)

~\Anaconda3\lib\site-packages\pandas\core\groupby\generic.py in _apply_to_column_groupbys(self, func)
   1579             (func(col_groupby) for _, col_groupby in self._iterate_column_groupbys()),
   1580             keys=self._selected_obj.columns,
-> 1581             axis=1,
   1582         )
   1583 

~\Anaconda3\lib\site-packages\pandas\core\reshape\concat.py in concat(objs, axis, join, join_axes, ignore_index, keys, levels, names, verify_integrity, sort, copy)
    253         verify_integrity=verify_integrity,
    254         copy=copy,
--> 255         sort=sort,
    256     )
    257 

~\Anaconda3\lib\site-packages\pandas\core\reshape\concat.py in __init__(self, objs, axis, join, join_axes, keys, levels, names, ignore_index, verify_integrity, copy, sort)
    299             objs = [objs[k] for k in keys]
    300         else:
--> 301             objs = list(objs)
    302 
    303         if len(objs) == 0:

~\Anaconda3\lib\site-packages\pandas\core\groupby\generic.py in <genexpr>(.0)
   1577 
   1578         return concat(
-> 1579             (func(col_groupby) for _, col_groupby in self._iterate_column_groupbys()),
   1580             keys=self._selected_obj.columns,
   1581             axis=1,

~\Anaconda3\lib\site-packages\pandas\core\groupby\groupby.py in <lambda>(x)
   1438         """
   1439 
-> 1440         return self._apply_to_column_groupbys(lambda x: x._cython_agg_general("ohlc"))
   1441 
   1442     @Appender(DataFrame.describe.__doc__)

~\Anaconda3\lib\site-packages\pandas\core\groupby\groupby.py in _cython_agg_general(self, how, alt, numeric_only, min_count)
    886 
    887         if len(output) == 0:
--> 888             raise DataError("No numeric types to aggregate")
    889 
    890         return self._wrap_aggregated_output(output, names)

DataError: No numeric types to aggregate

---------------------------------------------------------------------------
数据错误回溯（最近一次呼叫上次）
在里面
---->1 resamp=df.resample（'1T'，on='Timestamp'）.ohlc（）
~\Anaconda3\lib\site packages\pandas\core\resample.py in g（self，_方法，*args，**kwargs）
904 def g（self，_method=method，*args，**kwargs）：
905 nv.验证重采样器功能（_方法，参数，kwargs）
-->906返回自下采样（_方法）
907
908 g.。\uuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuu=getattr（GroupBy，method）。\uuuuuuuuuu doc__
~\Anaconda3\lib\site packages\pandas\core\resample.py in_downsample（self，how，**kwargs）
1068#我们正在进行下采样
1069#我们想在这里调用实际的grouper方法
->1070 result=obj.groupby（self.grouper，axis=self.axis）.聚合（how，**kwargs）
1071
1072结果=self.\u apply\u loffset（结果）
聚合中的~\Anaconda3\lib\site packages\pandas\core\groupby\generic.py（self、arg、*args、**kwargs）
1453@Appender（_shared_docs[“聚合”]）
1454 def聚合（自身，参数=无，*args，**kwargs）：
->1455 return super（）.聚合（arg、*args、**kwargs）
1456
1457 agg=骨料
聚合中的~\Anaconda3\lib\site packages\pandas\core\groupby\generic.py（self、func、*args、**kwargs）
227 func=\u maggle\u lambdas（func）
228
-->229结果，how=self.\u聚合（func，\u level=\u level，*args，**kwargs）
230如果没有：
231返回结果
聚合中的~\Anaconda3\lib\site packages\pandas\core\base.py（self、arg、*args、**kwargs）
354
355如果存在（arg，str）：
-->356返回self.\u try\u aggregate\u string\u函数（arg、*args、**kwargs），无
357
358如果存在（arg，dict）：
函数中的~\Anaconda3\lib\site packages\pandas\core\base.py（self、arg、*args、**kwargs）
303如果f不是无：
304如果可调用（f）：
-->305返回f（*args，**kwargs）
306
307#人们可能会尝试使用不可调用的属性进行聚合
ohlc中的~\Anaconda3\lib\site packages\pandas\core\groupby\groupby.py（self）
1438         """
1439
->1440返回self.\u应用于\u列\u groupby（lambda x:x.\u cython\u agg\u general（“ohlc”））
1441
1442@Appender（数据帧描述文件）
~\Anaconda3\lib\site packages\pandas\core\groupby\generic.py in\u apply\u to\u column\u groupby（self，func）
1579（func（col_groupby）for uu，col_groupby in self._iterate_column_groupby（）），
1580个键=自选择对象列，
->1581轴=1，
1582         )
1583
concat中的~\Anaconda3\lib\site packages\pandas\core\reforme\concat.py（对象、轴、连接、连接轴、忽略索引、键、级别、名称、验证完整性、排序、复制）
253验证完整性=验证完整性，
254复制=复制，
-->255排序=排序，
256     )
257
~\Anaconda3\lib\site packages\pandas\core\reforme\concat.py in\uuuuuu init\uuuu（self、objs、axis、join、join\u axes、键、级别、名称、忽略索引、验证完整性、复制、排序）
299 objs=[objs[k]代表k键]
300其他：
-->301 objs=列表（objs）
302
303如果len（objs）==0：
（.0）中的~\Anaconda3\lib\site packages\pandas\core\groupby\generic.py
1577
1578返回concat(
->1579（func（col_groupby）for uu，col_groupby in self._iterate_column_groupby（）），
1580个键=自选择对象列，
1581轴=1，
~（x）中的~\Anaconda3\lib\site packages\pandas\core\groupby\groupby.py
1438         """
1439
->1440返回self.\u应用于\u列\u groupby（lambda x:x.\u cython\u agg\u general（“ohlc”））
1441
1442@Appender（数据帧描述文件）
~\Anaconda3\lib\site packages\pandas\core\groupby\groupby.py in\u cython\u agg\u general（self、how、alt、numeric\u only、min\u count）
886
887如果len（输出）==0：
-->888 raise DATABERROR（“没有要聚合的数字类型”）
889
890返回自包装聚合输出（输出，名称）
DataError:没有要聚合的数字类型

---

有人能帮我找出哪里出错了吗？

问题是时间戳中没有数字列，只有日期时间

---

我认为您可以创建

DatetimeIndex

，然后将所有列转换为

float

s，还需要在

重采样中删除
上的参数
：

resamp_df = data_frame.set_index('Timestamp').astype(float).resample('1T').ohlc()


另一个想法（如果使用标量）是将标量转换为浮点：

for company_data in ticks:
    ltp = float(company_data['last_price'])
    timestamp = company_data['timestamp']
    lowest_sell = float(company_data['depth']['sell'][0]['price'])
    highest_buy = float(company_data['depth']['buy'][0]['price'])