有很多类似的问题，它们都有具体的问题和答案，但我还没有找到合适的解决方案，也不了解如何做到这一点。
我有典型数据:
date open high low close volume spot
1507842000 5313.3 5345.6 5272 5295.1 22612561 5301.462201
1507845600 5295.1 5326.7 5286.1 5301.1 12127159 5308.487754
1507849200 5301.1 5467.5 5301.1 5464.5 54568881 5401.331605
1507852800 5464.7 5497 5394.9 5402.5 58411322 5446.552171
1507856400 5402.1 5542 5402.1 5541.2 50272286 5466.652636
1507860000 5540.4 5980 5440.1 5694.5 182746217 5717.856124
1507863600 5689.8 5800 5604.5 5739.6 78341266 5709.488508
1507867200 5742 5897 5713.1 5753.2 79738461 5794.402674
1507870800 5753.1 5798.9 5520.3 5574.5 87621428 5640.727381
1507874400 5574.6 5672.6 5503.2 5608.4 56964404 5591.237093
1507878000 5607.5 5689.1 5570 5660 46132190 5640.761482
1507881600 5660 5743 5634.8 5652 50173714 5690.219952
不仅包括 OHLC，还包括数量和现货价格。
我正在尝试将小时重新采样为几天。
所以，我加载 csv:
data_hourly = pd.read_csv('../data/hourly.csv', parse_dates=True, date_parser=date_parse, index_col=0, header=0)
(date_parse 函数正在删除分钟/秒)
我尝试过:
data_daily = data_hourly.resample('1D').ohlc()
而且，这显然根本不起作用；给我包含大量列的行。
我尝试过:
columns_dict = {'open': 'first', 'high': 'max', 'low': 'min', 'close': 'last', 'volume': 'sum', 'spot': 'average'}
data_daily = data_hourly.resample('1D', how=columns_dict)
但这会因错误而崩溃:
"%r object has no attribute %r" % (type(self).name, attr) AttributeError: 'SeriesGroupBy' object has no attribute 'average'
此外，它告诉我“how”字段无论如何都已被弃用，但我没有看到以"new"方式执行此操作的示例。
最佳答案
您已经很接近了，需要 mean 而不是 average 并将其传递给 Resampler.agg :
columns_dict = {'open': 'first', 'high': 'max', 'low': 'min',
'close': 'last', 'volume': 'sum', 'spot': 'mean'}
data_daily = data_hourly.resample('1D').agg(columns_dict)
print (data_daily)
open high low close volume spot
date
2017-10-12 5313.3 5467.5 5272.0 5464.5 89308601 5337.093853
2017-10-13 5464.7 5980.0 5394.9 5652.0 690401288 5633.099780
关于python - 使用 pandas 对 OHLC 数据重新采样，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/57707094/