Python 如果时间相同，是否将行合并为一个ohlc行？

我一直在尝试将

数据从tick
数据库
重新采样到另一个名为
min
的数据库

我将
加载到
pandas
中，将两个数据库的
转换成excel

在
min
数据帧中：

       timestamp           open      high      low       close
47759 2019-11-04 14:23:00  30468.00  30473.90  30440.15  30445.00
47758 2019-11-04 14:23:00  30468.00  30473.90  30440.15  30450.00
47758 2019-11-04 14:23:00  30468.00  30473.90  30440.15  30455.00
47758 2019-11-04 14:23:00  30468.00  30473.90  30440.15  30460.00
47758 2019-11-04 14:23:00  30468.00  30479.00  30440.15  30479.00


当然，上面有很多行，它们有不同的时间戳

我想知道如何将所有这些组合在一起，只得到一行正确的
打开、高、低、关闭

这一过程不会很耗时，因为信号处理必须这样做。
您可以使用
.agg
并在初始
groupby
之后传递一个包含预期聚合度量的列字典

print(df)

     timestamp   open     high       low  close
0  2019-11-04 14:23:00  30468  30473.9  30440.15  30445
1  2019-11-04 14:23:00  30468  30473.9  30440.15  30450
2  2019-11-04 14:23:00  30468  30473.9  30440.15  30455
3  2019-11-04 14:23:00  30468  30473.9  30440.15  30460
4  2019-11-04 14:23:00  30468  30479.0  30440.15  30479

df1 = df.groupby(df['timestamp']).agg
           ({'open' : 'first', 'high' : 'max', 'low' : 'min', 'close' : 'last'})
print(df1)
                          open     high       low  close
timestamp                                           
2019-11-04 14:23:00  30468  30479.0  30440.15  30479

如果你不想忽视时间而只关注日期，你可以这样做

df.groupby(df['timestamp'].dt.date).agg
           ({'open' : 'first', 'high' : 'max', 'low' : 'min', 'close' : 'last'})

​
 您可以使用
.agg
并在初始
groupby

print(df)

     timestamp   open     high       low  close
0  2019-11-04 14:23:00  30468  30473.9  30440.15  30445
1  2019-11-04 14:23:00  30468  30473.9  30440.15  30450
2  2019-11-04 14:23:00  30468  30473.9  30440.15  30455
3  2019-11-04 14:23:00  30468  30473.9  30440.15  30460
4  2019-11-04 14:23:00  30468  30479.0  30440.15  30479

df1 = df.groupby(df['timestamp']).agg
           ({'open' : 'first', 'high' : 'max', 'low' : 'min', 'close' : 'last'})
print(df1)
                          open     high       low  close
timestamp                                           
2019-11-04 14:23:00  30468  30479.0  30440.15  30479

如果你不想忽视时间而只关注日期，你可以这样做

df.groupby(df['timestamp'].dt.date).agg
           ({'open' : 'first', 'high' : 'max', 'low' : 'min', 'close' : 'last'})

​
 
df.unstack（）
或
df.stack（）
？如何确定每个时间戳的“正确”打开、高、低、关闭？Chris如果时间相同，则最高的
高
将为高。最低下限将是下限，关闭将是最后一行关闭值。“打开”将是第一行打开值。@ansev感谢您的建议。我现在正在读关于
df.unstack（）
和
df.stack（）
的书。可能类似于
df.groupby（df['timestamp']）.agg（{'open'：'first'，'high'：'max'，'low'：'min'，'close'：'last'}）
df.unstack（）
或
df.stack（）
？如何确定“正确”的打开、高、低，按时间戳关闭？@Chris如果时间相同，最高的
high
将为high。最低下限将是下限，关闭将是最后一行关闭值。“打开”将是第一行打开值。@ansev感谢您的建议。我现在正在阅读关于
df.unstack（）
和
df.stack（）
的内容。可能类似于
df.groupby（df['timestamp']）.agg（{'open'：'first'，'high'：'max'，'low'：'min'，'close'：'last'}）