量化工作中經常遇到的一個問題：有每一天以每分鐘為顆粒度的交易數據，但是每天的9:30沒有數據，需要每一天添加一個9:30的數據，開盤和收盤價格等于9:31的數據。

因為數據量非常大，人工每天手動添加不僅耗時耗力，而且容易出錯。本文記錄下使用Excel和Python處理實際工作中這類問題的方法。

Excel處理

Excel處理思路：首先要保證每一天開始時添加一個空白行，然后空白行數據等于下一行數據內容。

• 使用IF函數和FIND函數等將9:31的數據一行標記為1，=IF(ISERROR(FIND("09:31:00",A3)),"",1)
• 公式無法直接查找，將biaoji這一列復制為值
• 選中biaoji列，查找和選擇中有"定位條件"（快捷鍵Ctrl+G），選擇常量選中這一列標記為1的行
• 選中了標記1的所有行，鼠標右擊插入整行
• 數值填充列(close,open列）一樣邏輯：選中整列，Ctrl+G定位空值，輸入公式=C3(下一行),Ctrl+Enter全部填充
• 時間time列進行處理

示例：
上證50分鐘漲跌幅數據

Python處理

import pandas as pddf = pd.read_excel('上證50分鐘漲跌幅數據.xlsx')df['date'] = pd.to_datetime(df['time'],format='%Y-%m-%d') from datetime import datetime df['date_'] = df['time'].apply(lambda x:datetime.strptime(x[:10],'%Y-%m-%d')) #dataframe分組并在每一組第一行前創建新行，其他字段數值填充為第一行數值，日期減少一分鐘 def augment_group(group):first_row = group.iloc[[0]]first_row['date'] -= pd.Timedelta(minutes=1) return first_row.append(group)#df['Date'] = pd.to_datetime(df['Date'], errors='coerce') (df.groupby('date_', as_index=False, group_keys=False).apply(augment_group).reset_index(drop=True))

總結

以上是生活随笔為你收集整理的分组每一组数据最开始添加一行，内容与每组第二行一致的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。