Day 27 - 建立自己的K線資料庫 (中)

13th鐵人賽 shioaji api 永豐 apis shioaji 程式交易

Mike

2021-10-12 11:41:24

5474 瀏覽

分享至

本篇重點

透過Pandas讀取資料及做OHLC轉換
DataFrame.resample中的Left與Right
使用DataFrame.dropna移除資料
產生5分K資料並儲存至資料庫

透過Pandas讀取資料及做OHLC轉換

所謂的OHLC(或是OHLCV)，就是指Open、High、Low及Close(加上Volume)這幾個欄位。之前的文章中，是將這幾個欄位分別做resample後，再結合成一個DataFrame，但最近做功課時，發現其實可以直接用pandas中的aggregation做運算
Pandas OHLC aggregation on OHLC data
程式範例如下：

import pandas as pd
import sqlite3

conn = sqlite3.connect('D:/shioaji.db') #建立資料庫連線
#從stocks_1min_kbars這個Table中，取出2890這檔股票的資料，並且將ts資料type轉換為datetime64
df = pd.read_sql('SELECT * FROM stocks_1min_kbars WHERE code = "2890"', conn, parse_dates=['ts'])
# 加inplace=True，代表index變動後直接取代原本的dataFrame，而不是回傳一個新的dataFrame
df.set_index('ts', inplace=True)

df_5minK = df.resample('5min').agg({'Open': 'first', 
                                 'High': 'max', 
                                 'Low': 'min', 
                                 'Close': 'last',
                                 'Volume': 'sum'})
df_5minK.to_csv('5minK.csv', encoding="utf_8_sig") #將處理後的資料先匯出成csv檔

conn.close() #關閉資料庫連線

當在處理這類大量的資料時，我會先抓一部份的資料做處理，當處理的結果確定是我要的，我才會正式開始處理全部的資料，以免花了一大堆時間後才發現跑出來的資料是錯的。
上面的程式，我先用pandas.read_sql抓2890永豐金的1分K資料，這裡請務必要加上parse_dates=['ts']，這樣下面的set_index才可以正常執行。
這裡的resample，是參考上面文章中aggregation方式處理，並且加入成交量Volume這個欄位。轉換成5分K並匯出成CSV檔，開啟檔案後，可以看到2021-10-08第一個及第二個5分K，成交量分別為714和137，跟三竹及XQ的前兩個5分K成交量是不同的

比對1分K的資料之後，發現我們所做的resample，前兩個5分K分別是抓「09:01-09:04」及「09:05-09:09」，而看盤軟體則是抓「09:01-09:05」及「09:06-09:10」

要解決這個問題，可以在resample中傳入「closed='right'」，修改後的程式如下：

# 執行resample，並指定close為right
df_5minK = df.resample(rule='5min', closed='right').agg({'Open': 'first', 
                                 'High': 'max', 
                                 'Low': 'min', 
                                 'Close': 'last',
                                 'Volume': 'sum'})

這樣resample出來的數字，就會跟看盤軟體中的數字一樣

DataFrame.resample中的Left與Right

關於DataFrame.resample中的Left與Right，在官方的說明文件中並沒有特別說明，以下為我個人的理解
以上面我們針對1分K做resample為列，當我們執行df.resample(rule='5min')時，pandas就會依照DataFrame中的index，先將資料做分割；雖然在1分K中並沒有09:00的資料，但在做resample時，預設是會自動填補資料上去，此時的資料轉為橫向就會如下圖這樣排列，黃色底就是所謂分割點

在DataFrame.resample中，label參數影響的是resample後的index內容，而closed則是影響resample後data的內容。在執行resample時，若未指定label跟closed這兩個參數，則預設皆為left，所以resample後，第一組資料的index會是09:00，而data部份也是抓09:00-09:04去做計算

而在執行resample時傳入「closed='right'」，第一組資料的index一樣是09:00，而data部份就變成抓09:01-09:05去做計算(即所謂的向右結合)

若在執行resample時傳入「closed='right'」及「label='right'」，第一組資料的index就會變成是09:05(向右結合)，而data部份一樣是抓09:01-09:05去做計算(即所謂的向右結合)

若將上面的資料轉出來並跟看盤軟體比較，你會發現XQ的5分K資料就是label='left'+closed='right'；而三竹的5分K資料就是label='right'+closed='right'。

使用DataFrame.dropna移除資料

另外，在CSV檔中，可以看到在執行resample後，pandas會幫我們在每個交易日的13:30到次一個交易日的09:00之間，增加對應時間的資料，但因為這段時間沒有資料，所以OHLC的欄位內容皆為空值。我們可以用
pandas.DataFrame.dropna來刪除這些不需要的資料

df_5minK.dropna(axis=0, inplace=True) #移除有空值的row，並取代原本的DataFrame

產生5分K資料並儲存至資料庫

接著，我們就可以依照上面的程式碼，稍做修改來產生所有股票的5分K資料，完整程式範例如下：

import pandas as pd
import sqlite3

conn = sqlite3.connect('D:/shioaji.db') #建立資料庫連線

# 傳入股票代碼，產生5分K資料並存至資料庫
def generate_5min_kbar(stock_code):
    print(f'generate 5minK for stock:{stock_code}') #輸出程式執行點資料至console
    df = pd.read_sql(f'SELECT code, Open, High, Low, Close, Volume, ts FROM stocks_1min_kbars WHERE code = {stock_code}', conn, parse_dates=['ts'])
    df.set_index('ts', inplace=True)
    df_5min_kbar = df.resample(rule='5min', closed='right').agg({
        'code': 'first',
        'Open': 'first', 
        'High': 'max', 
        'Low': 'min', 
        'Close': 'last',
        'Volume': 'sum'})
    df_5min_kbar.dropna(axis=0, inplace=True)
    df_5min_kbar.to_sql('stocks_5min_kbars', conn, if_exists='append')
    print(f'stock:{stock_code}, 5minK is added to DB...') #輸出程式執行點資料至console

cursor = conn.cursor() #建立cursor物件
# 執行SQL，取出stocks_1min_kbars中所有的股票代碼(不重複)
for code in cursor.execute('SELECT DISTINCT code FROM stocks_1min_kbars'):
    generate_5min_kbar(code[0])

conn.close() #關閉資料庫連線

請注意，在df_5min_kbar.to_sql這裡，並沒有傳入index=False，因為現在df_5min_kbar中的index就是ts欄位，而寫入資料庫是需要保留這個欄位內容，供後續處理資料時使用。
若要產生其它分K的資料，只要稍微修改上面的程式碼，就可以產生對應的資料。