Pandas技巧：轻松把1分钟股票数据转换成日k线、30分钟k线

发表自话题：一分钟k线技巧

本期导读

本文分享如何使用Pandas的resample函数来快速转换1分钟数据到日k、30分钟K线数据，并详细解释在使用不同参数时的细节差异。

在量化中，数据是我们打交道最多的东西，不同的策略要用到不同时间级别的数据，比如有的用的是日k，有的用的是30分钟，60分钟k线，还有用5分钟的。而我们获取的数据一般是1分钟级别的，所以要先把他们做预处理。常规的预处理就是把我们获得的1分钟csv文件转换成我们需要的时间级别的hdf5文件。

把csv转换成hdf5的好处可以看我以往的文章

Python里面转成hdf5最常用的数据处理库就是pandas，他有非常多的功能，其中就有一个方便的resample函数可以方便地转换1分钟数据到其他时间级别的数据。

1分钟数据格式

我们用到的原始1分钟数据是csv，用vim打开如下图，数据一共8列，分别是日期，时间，开高低收量金额。

用excel看更清楚一些，这是某个股票2021年开始的1分钟数据csv文件。

转换成1分钟dataframe的代码如下：

做出来的dataframe是这样的。这里面数字都很大是因为我乘以了1000，以方便压缩，在文末的相关文章中有详细介绍。

转换成日K线

接下去就是转换成日k，用pandas的resample函数即可，非常好用。下图的df_1min就是上图做出来的dataframe。

注意resample的参数是("D")这个代表day，也就是日k。

转换出来效果如下：

转换成30分钟K线

那么要做成30分钟呢？把"D"改成"30min"就可以了。

转换出来的效果如下：

注意代码里面比上面做日k多了两个参数closed和label，这是非常关键的两个参数。

让我们来看看文档

closed{‘right’, ‘left’}, default NoneWhich side of bin interval is closed. The default is ‘left’ for all frequency offsets except for ‘M’, ‘A’, ‘Q’, ‘BM’, ‘BA’, ‘BQ’, and ‘W’ which all have a default of ‘right’.

文档中的bin其实是数据分析中的术语，也就是一个切割出来的数据块。closed指的是这个bin的切割点在哪里，在我们的例子中，就是决定第一个半小时的最后一条数据是9:59还是10:00。

为了方便演示，我们取最后一天的240分钟数据。

看一下第一个半小时的数据，注意其中的时间索引，是从9:31到10:00，也就是这些数据应该组合成一个30分钟k线，这个半小时的收盘价应该是10:00的close，也就是21690。

我们先用默认参数，也就是closed='left'，label='left'来做，做出来的结果不是我想要的是吧，数据变成了10个半小时，而我们一个交易日只有8个半小时，并且然后第一个半小时的收盘价都错了。

这是因为closed这个参数是用来切割数据分块的。默认的closed='left'实际上是把9:31-9:59切割成第一个bin，并且他认为数据漏掉了9:30，所以加上了一个9:30的索引。所以close这个值用的是9:59的，而不是10:00的。

这样一来，11:30这最后一条数据，也独立地成为了一个半小时k线。因此整体就多了2根30分钟k线。

我们把closed='right’参数加上，这回看上去就正常多了吧。但是注意到，索引还是有问题。我们习惯上把第一根k线的索引设为10:00。因此我们就要用到第二个参数label了。看看文档描述。

label{‘right’, ‘left’}, default NoneWhich bin edge label to label bucket with. The default is ‘left’ for all frequency offsets except for ‘M’, ‘A’, ‘Q’, ‘BM’, ‘BA’, ‘BQ’, and ‘W’ which all have a default of ‘right’.

我英语也不是太好，所以没看懂啥意思，还是亲自试一下吧。

这回就对了

所以我们用下图总结一下这两个参数的作用：

当使用默认的closed='left', label='left'的时候，pandas就把9:30--9:59切割成一个bin，10:00-10:29切割成第二个bin，以此类推。计算第一个bin的时候，由于没有9:30的数据，pandas会默认构造一行全是NaN的数据行，但是使用agg聚合的时候，NaN不计算在内，所以从9:31起开始计算。label则使用第一条数据，也就是9:30的索引作为这个bin的索引。

而closed='right'，则把9:31--10:00切割成一个bin，10:01-10:30切割成第二个，以此类推。label=right就使用这个bin的最后一条数据，也就是10:00的索引作为这个bin的索引。这样就完全符合我们平时的使用习惯了！

至此，我们做好了日k和30分钟k线，但是60分钟k线是不是也这么简单，使用rample("H", closed='right', label='right')就可以了呢？

很可惜，没那么简单，直接使用上面的代码做出来的k线如下图，这是错误的。因为我们A股的第一个60分钟是从9:30到10:30，而pandas做出来的是把9:30-10:00归类成第一个小时。10:00-11:00归类到第二个小时，这是自然的小时，这就和我们的小时线完全不一致了！

具体怎么做，有什么技巧，请看我的下期分享。

我是宝乐，一个有着7年it生涯，7年主观交易，2年多量化交易经验的交易员。我会不定期的分享工作中的各种干货知识，也希望和大家多多互动，向行业中的前辈们学习，共同进步。

标签组：[大数据] [pandas] [索引] [label] [bin] 

上一篇：十五分钟级别K线的操作技巧

下一篇：超短线的精准买卖点，都是从“1分钟K线”上把握的，散户其实也能做到