Невозможно использовать метод resample.ohlc () - DataError: нет числовых типов для агрегирования - PullRequest
Новая
       32

Невозможно использовать метод resample.ohlc () - DataError: нет числовых типов для агрегирования

1 голос
/ 30 октября 2019

Я получаю биржевые тики во второй раз и храню их в информационном фрейме. Мне нужно пересчитать их, чтобы получить значение ohlc за минуту. Вот мой код: 

    def on_ticks(ws, ticks):
    global time_second, df_cols, tick_cols, data_frame
    for company_data in ticks:
        ltp = company_data['last_price']
        timestamp = company_data['timestamp']
        lowest_sell = company_data['depth']['sell'][0]['price']
        highest_buy = company_data['depth']['buy'][0]['price']

    data = [timestamp, ltp, lowest_sell, highest_buy]
    tick_df = pd.DataFrame([data], columns=tick_cols)
    #print(tick_df)
    data_frame = pd.concat([data_frame, tick_df], axis=0, sort=True, ignore_index='true')
    #print("time_second is ", time_second)
    if time_second > timestamp.second:
        #print("now we will print data_frame")
        #print(data_frame)
        print("Resampling dataframe & Calculating the EMAs............")
        resamp_df = data_frame.resample('1T', on='Timestamp').ohlc()

Когда я запускаю этот код, он вызывает следующую ошибку DataError: Нет числовых типов для агрегирования : 

    ---------------------------------------------------------------------------
DataError                                 Traceback (most recent call last)
<ipython-input-8-166d9105fb91> in <module>
----> 1 resamp = df.resample('1T', on='Timestamp').ohlc()

~\Anaconda3\lib\site-packages\pandas\core\resample.py in g(self, _method, *args, **kwargs)
    904     def g(self, _method=method, *args, **kwargs):
    905         nv.validate_resampler_func(_method, args, kwargs)
--> 906         return self._downsample(_method)
    907 
    908     g.__doc__ = getattr(GroupBy, method).__doc__

~\Anaconda3\lib\site-packages\pandas\core\resample.py in _downsample(self, how, **kwargs)
   1068         # we are downsampling
   1069         # we want to call the actual grouper method here
-> 1070         result = obj.groupby(self.grouper, axis=self.axis).aggregate(how, **kwargs)
   1071 
   1072         result = self._apply_loffset(result)

~\Anaconda3\lib\site-packages\pandas\core\groupby\generic.py in aggregate(self, arg, *args, **kwargs)
   1453     @Appender(_shared_docs["aggregate"])
   1454     def aggregate(self, arg=None, *args, **kwargs):
-> 1455         return super().aggregate(arg, *args, **kwargs)
   1456 
   1457     agg = aggregate

~\Anaconda3\lib\site-packages\pandas\core\groupby\generic.py in aggregate(self, func, *args, **kwargs)
    227         func = _maybe_mangle_lambdas(func)
    228 
--> 229         result, how = self._aggregate(func, _level=_level, *args, **kwargs)
    230         if how is None:
    231             return result

~\Anaconda3\lib\site-packages\pandas\core\base.py in _aggregate(self, arg, *args, **kwargs)
    354 
    355         if isinstance(arg, str):
--> 356             return self._try_aggregate_string_function(arg, *args, **kwargs), None
    357 
    358         if isinstance(arg, dict):

~\Anaconda3\lib\site-packages\pandas\core\base.py in _try_aggregate_string_function(self, arg, *args, **kwargs)
    303         if f is not None:
    304             if callable(f):
--> 305                 return f(*args, **kwargs)
    306 
    307             # people may try to aggregate on a non-callable attribute

~\Anaconda3\lib\site-packages\pandas\core\groupby\groupby.py in ohlc(self)
   1438         """
   1439 
-> 1440         return self._apply_to_column_groupbys(lambda x: x._cython_agg_general("ohlc"))
   1441 
   1442     @Appender(DataFrame.describe.__doc__)

~\Anaconda3\lib\site-packages\pandas\core\groupby\generic.py in _apply_to_column_groupbys(self, func)
   1579             (func(col_groupby) for _, col_groupby in self._iterate_column_groupbys()),
   1580             keys=self._selected_obj.columns,
-> 1581             axis=1,
   1582         )
   1583 

~\Anaconda3\lib\site-packages\pandas\core\reshape\concat.py in concat(objs, axis, join, join_axes, ignore_index, keys, levels, names, verify_integrity, sort, copy)
    253         verify_integrity=verify_integrity,
    254         copy=copy,
--> 255         sort=sort,
    256     )
    257 

~\Anaconda3\lib\site-packages\pandas\core\reshape\concat.py in __init__(self, objs, axis, join, join_axes, keys, levels, names, ignore_index, verify_integrity, copy, sort)
    299             objs = [objs[k] for k in keys]
    300         else:
--> 301             objs = list(objs)
    302 
    303         if len(objs) == 0:

~\Anaconda3\lib\site-packages\pandas\core\groupby\generic.py in <genexpr>(.0)
   1577 
   1578         return concat(
-> 1579             (func(col_groupby) for _, col_groupby in self._iterate_column_groupbys()),
   1580             keys=self._selected_obj.columns,
   1581             axis=1,

~\Anaconda3\lib\site-packages\pandas\core\groupby\groupby.py in <lambda>(x)
   1438         """
   1439 
-> 1440         return self._apply_to_column_groupbys(lambda x: x._cython_agg_general("ohlc"))
   1441 
   1442     @Appender(DataFrame.describe.__doc__)

~\Anaconda3\lib\site-packages\pandas\core\groupby\groupby.py in _cython_agg_general(self, how, alt, numeric_only, min_count)
    886 
    887         if len(output) == 0:
--> 888             raise DataError("No numeric types to aggregate")
    889 
    890         return self._wrap_aggregated_output(output, names)

DataError: No numeric types to aggregate

Может кто-нибудь, пожалуйста, помогите мне найти, где я иду не так?

1 Ответ

1 голос
/ 30 октября 2019

Проблема в том, что нет числового столбца, только datetime в Timestamp.

Я думаю, что вы можете создать DatetimeIndex и затем преобразовать все столбцы в float с, также необходимо удалить параметр on в resample: 

resamp_df = data_frame.set_index('Timestamp').astype(float).resample('1T').ohlc()

Другая идея (при работе со скалярами) - преобразовать их в числа с плавающей точкой: 

for company_data in ticks:
    ltp = float(company_data['last_price'])
    timestamp = company_data['timestamp']
    lowest_sell = float(company_data['depth']['sell'][0]['price'])
    highest_buy = float(company_data['depth']['buy'][0]['price'])
...