pandas时间序列重采样结束于指定日期

Question

我猜很多处理时间序列数据的人都遇到过这个问题，而pandas目前似乎没有提供一个简单的解决方案（还没有！）：

假设：

1. 你有一组按日期（天）索引的每日收盘价的时间序列数据。
2. 今天是6月19日，最后的收盘数据是6月18日。
3. 你想把每日数据重新采样成OHLC（开盘、最高、最低、收盘）柱状图，按照某个给定的频率（比如M或2M），并且以6月18日为结束。

所以对于M频率，最后一个柱状图会是5月19日到6月18日，前一个柱状图是4月19日到5月18日，依此类推……

ts.resample('M', how='ohlc')

这个方法会进行重新采样，但'M'代表的是“月末”周期，所以结果会给出2014年5月的完整一个月和2014年6月的两周时间段，这样你的最后一个柱状图就不是一个“月柱”。这不是我们想要的！

使用2M频率，根据我的样本时间序列，我的测试给出的最后一个柱状图标记为2014年7月31日（前一个标记为2014年5月31日），这非常误导，因为7月没有数据……本该是最后的2个月柱状图实际上只是覆盖了最近的两周。

正确的日期时间索引可以很容易地创建：

pandas.date_range(end='2014-06-18', freq='2M', periods=300) + datetime.timedelta(days=18)

（Pandas文档更倾向于通过

pandas.date_range(end='2014-06-18', freq='2M', periods=300) + pandas.tseries.offsets.DateOffset(days=18)

来做同样的事情，但我的测试显示这种方法虽然更“符合pandas风格”，却慢了2倍！）

无论如何，我们无法将正确的日期时间索引应用到ts.resample()中。

看起来pandas的开发团队（Pandas中的日期范围）已经意识到这个问题，但在此期间，你如何解决这个问题，以便在时间序列的最后一天上获取滚动频率的OHLC呢？

Answer 1

这段代码基本上是通过复制和粘贴拼凑起来的，我相信在某些情况下可能会出问题。不过，下面是一些起始代码，用于创建一个自定义的偏移量，这个偏移量是固定在一个特定的月份的某一天。

from pandas.tseries.offsets import (as_datetime, as_timestamp, apply_nat, 
                               DateOffset, relativedelta, datetime)
class MonthAnchor(DateOffset):
    """DateOffset Anchored to day in month

        Arguments:
        day_anchor: day to be anchored to
    """

    def __init__(self, n=1, **kwds):
        super(MonthAnchor, self).__init__(n)

        self.kwds = kwds
        self._dayanchor = self.kwds['day_anchor']

    @apply_nat
    def apply(self, other):
        n = self.n

        if other.day > self._dayanchor and n <= 0:  # then roll forward if n<=0
            n += 1
        elif other.day < self._dayanchor and n > 0:
            n -= 1

        other = as_datetime(other) + relativedelta(months=n)
        other = datetime(other.year, other.month, self._dayanchor)
        return as_timestamp(other)

    def onOffset(self, dt):
        return dt.day == self._dayanchor

    _prefix = ''

使用示例：

In [28]: df = pd.DataFrame(data=np.linspace(50, 100, 200), index=pd.date_range(end='2014-06-18', periods=200), columns=['value'])

In [29]: df.head()
Out[29]: 
                value
2013-12-01  50.000000
2013-12-02  50.251256
2013-12-03  50.502513
2013-12-04  50.753769
2013-12-05  51.005025


In [61]: month_offset = MonthAnchor(day_anchor = df.index[-1].day + 1)

In [62]: df.resample(month_offset, how='ohlc')
Out[62]: 
                value                                   
                 open        high        low       close
2013-11-19  50.000000   54.271357  50.000000   54.271357
2013-12-19  54.522613   62.060302  54.522613   62.060302
2014-01-19  62.311558   69.849246  62.311558   69.849246
2014-02-19  70.100503   76.884422  70.100503   76.884422
2014-03-19  77.135678   84.673367  77.135678   84.673367
2014-04-19  84.924623   92.211055  84.924623   92.211055
2014-05-19  92.462312  100.000000  92.462312  100.000000