Я настраиваю серию профиля объема поверх данных запаса. Я реализовал код профиля рынка из этого репозитория github , а ссылка на данные находится здесь , а пример здесь . Пример данных приведен здесь:
Timestamp Close High Low Open Volume
2017-09-27 06:30:00 927.74 927.74 927.74 927.74 14929
2017-09-27 07:00:00 933.0 935.53 928.47 928.745 136776
2017-09-27 07:30:00 932.365 934.0 930.065 932.98 73146
2017-09-27 08:00:00 932.39 933.14 930.3 932.45 56624
2017-09-27 08:30:00 934.8675 935.62 931.1495 932.15 74960
2017-09-27 09:00:00 934.325 935.96 933.6 935.2308 62358
2017-09-27 09:30:00 935.48 935.7 933.56 934.36 45043
2017-09-27 10:00:00 935.5 935.56 933.71 935.385 32434
2017-09-27 10:30:00 935.96 936.86 935.21 935.5 58203
Здесь автор получает вывод, применяя функцию к фрагменту строк индекса и применяя основную функцию, применяя этот код:
mp = MarketProfile(df, tick_size=1)
mp_slice = mp[df.index.max() - pd.Timedelta(13, 'H'):df.index.max()]
Здесь функция берет фрагмент индексов из целого фрейма данных и применяет свою функцию к этому фрагменту, и автор получает окончательные результаты с помощью этого кода:
mp_slice.as_dict()
Я хочу сделать из rolling(w)
индексирует и применяет эту функцию ко всему фрейму данных в pandas индекса и создает новые столбцы в фрейме данных с начальной даты. т.е. df['poc_price']
, df['value_area'], df[initail_balane']
.et c. (все, что включает в себя вывод функции as_dict ()).
Я перепробовал много кодов, но, несмотря на то, что ничего не получилось, я получил желаемый результат. Мой наименьший код:
def make_marketprofile(df, window=50, mode='vol', tick_size=1):
for i in range (0, df.shape[0] - window - 1):
try:
mpt = MarketProfile(df[i:i+window], mode=mode, tick_size=0.5)
mpt_slice = mpt[df[i:i+window].index.min() :
df[i:i+window].index.max()].as_dict()
except KeyError:
print('error: {}'.format(df_1['Date'][i+window]))
# for key, value in mpt_slice():
df.iloc[i+window] = mpt_slice #value
try:
df.drop(['Date'], axis = 1, inplace = True)
except AttributeError:
pass
for column in df:
df[column][1:] = pd.to_numeric(df[column][1:])
df = df.iloc[window:]
df.fillna(method = 'ffill', inplace = True)
return df
, но он выдает ошибку значения:
ValueError: Must have equal len keys and value when setting with an iterable
Так что моя проблема состоит в основном из 2 частей:
1- To make a rolling and resample function to apply the market profile function over the dataframe
2- the function makes the outputs in a python dictionary and i want to make new columns as per the dictionary objects.