我了解使用一列数据对 Pandas 中的时间序列数据进行OHLC重新采样会很好地工作，例如在以下数据帧上:
>>df
ctime openbid
1443654000 1.11700
1443654060 1.11700
...
df['ctime'] = pd.to_datetime(df['ctime'], unit='s')
df = df.set_index('ctime')
df.resample('1H', how='ohlc', axis=0, fill_method='bfill')
>>>
open high low close
ctime
2015-09-30 23:00:00 1.11700 1.11700 1.11687 1.11697
2015-09-30 24:00:00 1.11700 1.11712 1.11697 1.11697
...
但是，如果数据已经是OHLC格式，该怎么办？根据我的收集，API的OHLC方法为每一列计算OHLC切片，因此，如果我的数据采用以下格式:
ctime openbid highbid lowbid closebid
0 1443654000 1.11700 1.11700 1.11687 1.11697
1 1443654060 1.11700 1.11712 1.11697 1.11697
2 1443654120 1.11701 1.11708 1.11699 1.11708
当我尝试重新采样时，每个列都会得到一个OHLC，如下所示:
openbid highbid \
open high low close open high
ctime
2015-09-30 23:00:00 1.11700 1.11700 1.11700 1.11700 1.11700 1.11712
2015-09-30 23:01:00 1.11701 1.11701 1.11701 1.11701 1.11708 1.11708
...
lowbid \
low close open high low close
ctime
2015-09-30 23:00:00 1.11700 1.11712 1.11687 1.11697 1.11687 1.11697
2015-09-30 23:01:00 1.11708 1.11708 1.11699 1.11699 1.11699 1.11699
...
closebid
open high low close
ctime
2015-09-30 23:00:00 1.11697 1.11697 1.11697 1.11697
2015-09-30 23:01:00 1.11708 1.11708 1.11708 1.11708
是否有一个快速的解决方法，有人愿意分享，而我不必深陷于 Pandas 手册中？
谢谢。
ps，有这个答案-Converting OHLC stock data into a different timeframe with python and pandas-但这是4年前，所以我希望能有所进展。
最佳答案
这类似于您链接的答案，但是它更简洁，更快，因为它使用了优化的聚合而不是lambda。
请注意，resample(...).agg(...)语法需要 Pandas 版本0.18.0。
In [101]: df.resample('1H').agg({'openbid': 'first',
'highbid': 'max',
'lowbid': 'min',
'closebid': 'last'})
Out[101]:
lowbid highbid closebid openbid
ctime
2015-09-30 23:00:00 1.11687 1.11712 1.11708 1.117
关于python - OHLC数据上的 Pandas OHLC聚合，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/36222928/