| 日期 | 周期 | 開盤價 | 收盤價 | 最高價 | 最低價 |
|---|---|---|---|---|---|
| 11月1號 | 周一 | 1.11 | 1.11 | 1.11 | 1.12 |
| 11月2號 | 周二 | 1.12 | 1.12 | 1.11 | 1.12 |
| 11月3號 | 周三 | 1.13 | 1.13 | 1.11 | 1.12 |
| 11月4號 | 周四 | 1.15 | 1.14 | 1.11 | 1.12 |
| 11月5號 | 周五 | 1.14 | 1.15 | 1.11 | 1.12 |
首先我們要明確，周K的開盤、收盤、最高、最低是什么。每周的開盤價是當周第一天的開盤價，收盤價是當周最后一天的收盤價，它的最高價是這周最高的價格，最低價是本周所有最低價中最低的價格。所以你去看炒股平臺，它的周k都是以周五的交易日為記錄的時間點位置。開盤、收盤、最高、最低是按照我剛剛講解的這個規則來計算的。至于月K、年K的選取規則也是一樣的。月K的周期是一個月，年K的周期是一年。
這個計算準確性你也可以通過網上的數據進行驗證。這個計算規則，包括開盤、收盤、最高、最低的計算，收拾resample函數可以做到的事情。此外Resample還有個功能，就是做統計匯總，比如說我想計算一支股票總的周成交量，就可以使用Resample.sum函數去把周一到周五的成交量加起來。
為了方便大家記憶 ，你也可以把resample理解為Excel表格中的透視表功能。你可以按照日期做各種篩選和匯總統計的。最重要的是他可以按照日期。
因為這2節課還是一些比較基礎的部分，所以還沒有做模塊化的內容。
我們會在創建股票數據庫的時候 來做真正的模塊化的工作。到這里都是初級的腳本的形式。先提前說下。
1.1函數文檔學習
谷歌搜索Pandas Resample：第一個鏈接就是這個函數的官方文檔
https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.resample.html
這里有介紹：Resample是屬于Pandas DataFrame下面的方法。這里有關于參數的解釋。
這里我們只對2個常用參數講解，一個是rule，另一個是closed。
這里有它的例子：
>>>index = pd.date_range('1/1/2000', periods=9, freq='T')
>>>series = pd.Series(range(9), index=index)
>>>series
2000-01-01 00:00:00 0
2000-01-01 00:01:00 1
2000-01-01 00:02:00 2
2000-01-01 00:03:00 3
2000-01-01 00:04:00 4
2000-01-01 00:05:00 5
2000-01-01 00:06:00 6
2000-01-01 00:07:00 7
2000-01-01 00:08:00 8
Freq: T, dtype: int64
這里首先創建了一個時間序列的DataFrame，就是這個series變量。你可以理解為它是一個只有一個字段的表格樣式。接著往下看：
>>>series.resample('3T').sum()
2000-01-01 00:00:00 3
2000-01-01 00:03:00 12
2000-01-01 00:06:00 21
Freq: 3T, dtype: int64
這里使用了Resample方法，3T就是3分鐘，T表示分鐘。sum()就是匯總，也就是針對這一列數據進行匯總。
也就是說，每3分鐘統計依次。注意到，這個時間序列匯總的時間取的值是3分鐘的第一分鐘。如果我想取時間周期的最后一分鐘，可以將label的值改為“right"：
>>>series.resample('3T', label='right').sum()
2000-01-01 00:03:00 3
2000-01-01 00:06:00 12
2000-01-01 00:09:00 21
Freq: 3T, dtype: int64
1.2實戰
獲取日K真實的數據：
#獲取日k
df = get_price("000001.XSHG", end_date='2021-05-30 14:00:00',count=20, frequency='1d', fields=['open','close','high','low','volume','money'])
print(df)
可以看到獲取到了4月28號到5月28號的所有數據。為了更方便理解 我們再添加一列數據，就是當前日期是星期幾的列。
#獲取日k
df = get_price("000001.XSHG", end_date='2021-05-30 14:00:00',count=20, frequency='1d', fields=['open','close','high','low','volume','money'])
df['weekday']=df.index.weekday
print(df)
這里0代表周一，這里如何轉換為按“周”統計呢
#獲取周k
import pandas as pd
df_week = pd.DataFrame()
df_week = df['open'].resample('W').first()
print(df_week)
可以看到這里的2021-05-30是一個禮拜的最后一天。它對應的開盤價確實是這個數字。說明我們計算的周K數據是正確的。
收盤價就是每周收盤價最后一天的數據。
最高價就是每周收盤價的最大值。
最低價就是每周收盤價的最小值。
#獲取周k
import pandas as pd
df_week = pd.DataFrame()
df_week['open'] = df['open'].resample('W').first()
df_week['close'] = df['close'].resample('W').last()
df_week['high'] = df['high'].resample('W').max()
df_week['low'] = df['low'].resample('W').min()
print(df_week)
對比數據，close是最后一天的收盤價的數據。high是當前周的每天的最高價的最高價。low是當前周的每天的最低價的最低價。
我們通過不到10行代碼就能將日K的數據轉換為周K的數據。
匯總成交量和成交額
我想要把volume(成交量)和money(成交額)轉換為總成交量和總成交額
#獲取周k
import pandas as pd
df_week = pd.DataFrame()
df_week['open'] = df['open'].resample('W').first()
df_week['close'] = df['close'].resample('W').last()
df_week['high'] = df['high'].resample('W').max()
df_week['low'] = df['low'].resample('W').min()
df_week['volume(sum)'] = df['volume'].resample('W').sum()
df_week['money(sum)'] = df['money'].resample('W').sum()
print(df_week)
假設我有一年的數據，如果想轉換為月K應該怎么轉？
只需要改2個地方：
start_date獲取到一整年的數據resample的參數改為M即可，M代表Month
#獲取日k
df = get_price("000001.XSHG", end_date='2021-05-30 14:00:00', start_date='2020-05-30', frequency='1d', fields=['open','close','high','low','volume','money'])
df['weekday']=df.index.weekday
print(df)
#獲取周k
import pandas as pd
df_week = pd.DataFrame()
df_week['open'] = df['open'].resample('M').first()
df_week['close'] = df['close'].resample('M').last()
df_week['high'] = df['high'].resample('M').max()
df_week['low'] = df['low'].resample('M').min()
print(df_week)
以上就是Python量化交易實戰之使用Resample函數轉換“日K”數據的詳細內容，更多關于Python Resample函數轉換“日K”數據的資料請關注腳本之家其它相關文章！
