37. 股票时间序列数据处理

37.1. 知识点

• 时间格式转换

• 时序数据重采样

• 数据排序

37.2. 挑战介绍

时间序列处理实验中，我们一开始就拿 Google 股价变化曲线图给大家举例。本次挑战中，需要应用学习到的时间序列数据处理方法，来对 Google 股价变化数据进行处理。

37.3. 挑战内容

挑战提供了 Google 公司从 2005 年到 2018 年期间的股票交易数据，并汇总到文件 GOOGL.csv 数据文件。下载链接：

wget -nc https://cdn.aibydoing.com/hands-on-ai/files/GOOGL.csv

数据集前 5 行预览如下：

由于股票存在交易日，实际数据的起止日期可能并不是 1 月 1 日至 12 月 31 日。

	Date	Open	High	Low	Close	Adj Close	Volume
0	2005/1/3	98.798798	101.921921	97.827827	101.456459	101.456459	31656700
1	2005/1/4	100.800804	101.566566	96.836838	97.347351	97.347351	27484200
2	2005/1/5	96.821823	98.548546	96.211212	96.851852	96.851852	16456700
3	2005/1/6	97.637634	98.048050	93.953957	94.369370	94.369370	20753400
4	2005/1/7	95.415413	97.222221	94.484482	97.022018	97.022018	19306400

数据共有 6 列，分别为：成交日期（Date）、开盘价格（Open）、最高价格（High）、最低价格（Low）、收盘价格（Close）、调整后收盘价格（Adj Close）、成交量（Volume）。

Exercise 37.1

挑战要求针对该数据文件进行时间序列分析，并按照季度进行数据采样。其中，所有价格有关的数据均取均值，成交量则取总和。最终，将 DataFrame 按照成交量降序排列并返回。

37.4. 挑战要求

1. 需要将代码保存到 Code 文件夹中，并以 google_stock.py 命名。

2. 需要补充下方 def quarter_volume() 中的代码。挑战最后需要返回题目要求的 DataFrame。

3. 一年可以分为四个季度，每个季度历时 3 个月。第一季度：1-3 月；第二季度：4-6 月；第三季度：7-9 月；第四季度：10-12 月。你需要通过阅读官方文档自行了解如何进行季度采样。

4. 测试时请使用 python 运行 google_stock.py，避免出现无相应模块的情况。

37.5. 示例代码

def quarter_volume():
    
    ### 补充代码 ###
    
    return df # 返回题目要求的 DataFrame

Solution to Exercise 37.1

import pandas as pd


def quarter_volume():
    df = pd.read_csv("GOOGL.csv", index_col=0)
    df.index = pd.to_datetime(df.index)
    df = df.resample('Q').agg({"Open": 'mean', "High": 'mean', "Low": 'mean',
                               "Close": 'mean', "Adj Close": 'mean', "Volume": 'sum'})
    df = df.sort_values(by='Volume', ascending=False)
    return df

如果你觉得这些内容对你有帮助，可以通过 微信赞赏码 或者 Buy Me a Coffee 请我喝杯咖啡。