使用自定义体积加权聚合对熊猫进行重采样

Question

我正在尝试根据我有多个数据点的 5 秒时间步长进行交易量加权价格聚合。我可以通过传递聚合类型的字典来获得单个字段的简单平均值和总和聚合。但是，要生成卷加权聚合，我需要同时使用定价和卷字段为每个步骤生成此聚合。

TS          P           Q
D           
2018-01-01 00:00:00 1514764800  1673574.0   0.164012
2018-01-01 00:00:00 1514764800  1673954.0   0.006000
2018-01-01 00:00:00 1514764800  1673967.0   0.005808
2018-01-01 00:00:00 1514764800  1673949.0   0.040000
2018-01-01 00:00:00 1514764800  1673573.0   0.159234
2018-01-01 00:00:00 1514764800  1673569.0   0.007000
2018-01-01 00:00:00 1514764800  1673949.0   0.100000
2018-01-01 00:00:00 1514764800  1673569.0   0.008000
2018-01-01 00:00:00 1514764800  1673949.0   0.033000
2018-01-01 00:00:00 1514764800  1673346.0   0.033000
2018-01-01 00:00:01 1514764801  1673967.0   0.212200
2018-01-01 00:00:02 1514764802  1673954.0   0.006765
2018-01-01 00:00:03 1514764803  1673950.0   0.012000
2018-01-01 00:00:03 1514764803  1673955.0   0.005700
2018-01-01 00:00:03 1514764803  1673642.0   0.031197
2018-01-01 00:00:03 1514764803  1673949.0   0.067654

成交量加权公式应为数量 x 价格的累积总和除以该期间的总数量。

有没有办法使用价格和数量序列的自定义聚合来返回 VWAP？

Answer 1

使用.apply您可以编写所需的任何自定义聚合函数。

def vwap(data):
return (data.P * data.Q).sum() / data.Q.sum()

使用石斑鱼时，您可以像这样应用它：

df.groupby(pd.Grouper(freq="5s")).apply(vwap)

通过重采样，也可以使用.apply：

df.resample("5s").apply(vwap)