Python 熊猫将采样时间序列从微秒减少到分钟，并按分钟进行处理

我有一个包含股票价格的数据框，其频率为

微秒

：

In [48]: fdf.iloc[:5]
Out[55]:
                                         #RIC    ...         Volume
Date-Time                                        ...
2019-03-05 09:30:06.283715885+08:00  .SSE100I    ...      8805000.0
2019-03-05 09:30:12.827067475+08:00  .SSE100I    ...      7843100.0
2019-03-05 09:30:18.388287730+08:00  .SSE100I    ...      7228800.0
2019-03-05 09:30:20.995625330+08:00  .SSE100I    ...      2471700.0
2019-03-05 09:30:25.450852863+08:00  .SSE100I    ...       929400.0

[5 rows x 7 columns]

In [56]: fdf.columns
Out[59]: Index(['#RIC', 'Domain', 'Date-Time', 'GMT Offset', 'Type', 'Price', 'Volume'], dtype='object')

我想按

minute

freq对这个数据帧进行子集划分，并计算每分钟的一些统计数据。以下是我正在尝试的代码：

def min_stats(df):
  import ipdb; ipdb.set_trace(context=7)

fdf.resample('T').apply(df)

然而，尽管

fdf

有7列，但

min_stats

中的

df

是一个

pd.Series

，它只包含第一列

#RIC

。如何将所有列传递到

df

？

您可以尝试：

或者，也可以使用：

---

但排除了所有非数字列

---

您的功能应该如下所示：

import ipdb; ipdb.set_trace(context=7)

def min_stats(x):
    print (x)


fdf.resample('T').apply(min_stats)

或：

您可以尝试：

或者，也可以使用：

---

但排除了所有非数字列

---

您的功能应该如下所示：

import ipdb; ipdb.set_trace(context=7)

def min_stats(x):
    print (x)


fdf.resample('T').apply(min_stats)

或：

---

什么是打印（fdf.dtypes）？什么是打印（fdf.dtypes）？非常感谢

fdf.groupby（pd.Grouper（freq='T'））.apply（minu stats）

正是我所需要的谢谢

fdf.groupby（pd.Grouper（freq='T'））.apply（minu stats）

正是我所需要的

import ipdb; ipdb.set_trace(context=7)

def min_stats(x):
    print (x)


fdf.resample('T').apply(min_stats)

def min_stats(x):
    print (x)


fdf.groupby(pd.Grouper(freq='T')).apply(min_stats)