通过Python中的pandas将每日库存数据转换为每周库存数据

Question

我有一个存储每日数据的DataFrame，如下所示：

Date              Open        High         Low       Close   Volume
2010-01-04   38.660000   39.299999   38.509998   39.279999  1293400   
2010-01-05   39.389999   39.520000   39.029999   39.430000  1261400   
2010-01-06   39.549999   40.700001   39.020000   40.250000  1879800   
2010-01-07   40.090000   40.349998   39.910000   40.090000   836400   
2010-01-08   40.139999   40.310001   39.720001   40.290001   654600   
2010-01-11   40.209999   40.520000   40.040001   40.290001   963600   
2010-01-12   40.160000   40.340000   39.279999   39.980000  1012800   
2010-01-13   39.930000   40.669998   39.709999   40.560001  1773400   
2010-01-14   40.490002   40.970001   40.189999   40.520000  1240600   
2010-01-15   40.570000   40.939999   40.099998   40.450001  1244200   

我打算把它合并成每周的数据。分组后：

1. 日期应为每周一（此时，当周一不是交易日时，应考虑节假日情况，我们应以本周的第一个交易日为日期）。
2. 开盘应为周一（或本周第一个交易日）开盘。
3. 收盘应为周五（或本周最后一个交易日）收盘。
4. 高点应该是本周交易日的最高点。
5. 低点应该是本周交易日的最低低点。
6. 成交量应为本周所有交易日的成交量之和。

应该是这样的：

Date              Open        High         Low       Close   Volume
2010-01-04   38.660000   40.700001   38.509998   40.290001  5925600   
2010-01-11   40.209999   40.970001   39.279999   40.450001  6234600   

目前，我的代码片段如下所示，我应该使用哪个函数将基于每日的数据映射到预期的基于每周的数据？非常感谢！

import pandas_datareader.data as web

start = datetime.datetime(2010, 1, 1)
end = datetime.datetime(2016, 12, 31)
f = web.DataReader("MNST", "yahoo", start, end, session=session)
print f

Answer 1

您可以resample（每周）、offset（移位）和apply聚合规则，如下所示：

logic = {'Open'  : 'first',
         'High'  : 'max',
         'Low'   : 'min',
         'Close' : 'last',
         'Volume': 'sum'}

offset = pd.offsets.timedelta(days=-6)

f = pd.read_clipboard(parse_dates=['Date'], index_col=['Date'])
f.resample('W', loffset=offset).apply(logic)

得到：

                 Open       High        Low      Close   Volume
Date                                                           
2010-01-04  38.660000  40.700001  38.509998  40.290001  5925600
2010-01-11  40.209999  40.970001  39.279999  40.450001  6234600