商品期货分层数据结构

Question

我这辈子似乎都无法获得我想要的结构并让它正常运行，所以我一怒之下来找你们。

设置： 我有一个名为 Futures_Contracts 的目录，里面有大约 30 个文件夹，所有文件夹都以标的资产命名，最后是 6 个最近的 csv 格式到期合约。每个 csv 格式相同，包含 Date,O,H,L,C,V,OI,Expiration Month。

注意：O H L C V OI 是开盘价、最高价、最低价、收盘价、成交量、未平仓合约（对于那些不熟悉的人）也假设收盘价是以下结算的同义词

任务：从这里开始，目标是将期货数据加载到多索引 pandas 数据框中，其中顶级索引是基础商品符号，中级索引是到期月份 - 年，最后是 OHLC 数据。最终目标是拥有一些我可以在 zipline 模块上开始破解的东西，让它在期货上运行。 所以在视觉上：

我的微弱尝试：

import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
from pandas import DataFrame, Series
import datetime
plt.figsize(16,8)

deliveries = {}
commoidities = {}
columns = 'open', 'high', 'low', 'settle', 'volume', 'interest', 'delivery' #Contract fields
path = os.getcwdu()+'/Futures_Contracts/' #Futures Path
for sym in os.listdir(path):
    if sym[0] != '.': #Weed out hidden files
        deliveries[sym] = []
        i = 0
        for contract in os.listdir(path + sym):
            temp = pd.io.parsers.read_csv(path + sym + '/' + contract, index_col=0, parse_dates = True, names = columns)#pull in the csv
            deliveries[sym].append(str(contract[:-4][-1] + contract[:-4][:-1][-2:])) #add contract to dict in form of MonthCode-YY
            commodities[sym] = deliveries[sym]
            commodities[sym][i] = temp
            i += 1

这有点工作，但是这实际上是一个嵌套的字典，最后包含一个数据框。因此切片非常笨重：

commodities['SB2'][0]['settle'].plot()
commodities['SB2'][3]['settle'].plot()
commodities['SB2'][4]['settle'].plot()
commodities['SB2'][3]['settle'].plot()
commodities['SB2'][4]['settle'].plot()
commodities['SB2'][5]['settle'].plot()

并产生

最佳情况下，我将能够对每个索引进行切片，以便我可以比较资产、到期、日期和价值的数据。此外，标记我正在查看的内容，正如您在 matplotlib 图表中看到的那样，所有内容都简单地命名为“解决”

肯定有办法做到这一点，但我不够聪明，无法弄清楚。

Answer 1

我认为将其放入一个 DataFrame 会更好，因此请考虑使用 MultiIndex。这是一个玩具示例，我认为它可以很好地转化为您的代码：

In [11]: dfN13 = pd.DataFrame([[1, 2]], columns=[['N13', 'N13'], ['a', 'b']])

In [12]: dfM13 = pd.DataFrame([[3, 4]], columns=[['M13', 'M13'], ['a', 'b']])

这些是您示例中的 DataFrame，但列的第一级只是资产名称。

In [13]: df = pd.concat([dfN13, dfM13], axis=1)

In [14]: df
Out[14]:
   N13     M13
     a  b    a  b
0    1  2    3  4

为方便起见，我们可以标记列级别和索引。

In [15]: df.columns.names = ['asset', 'chart']

In [16]: df.index.names = ['date']  # well, not in this toy example

In [17]: df
Out[17]:
asset  N13     M13
chart    a  b    a  b
date
0        1  2    3  4

注意：这看起来很像您的电子表格。

我们可以使用xs 获取特定图表（例如 ohlc）：

In [18]: df.xs('a', level='chart', axis=1)
Out[18]:
asset  N13  M13
date
0        1    3

In [19]: df.xs('a', level='chart', axis=1).plot()  # win

Answer 2

好的，这似乎有效。

commodities = {}
columns = 'open', 'high', 'low', 'settle', 'volume', 'interest', 'delivery' #Contract fields
path = os.getcwdu()+'/Futures_Contracts/' #Futures Path
for sym in os.listdir(path):
    if sym[0] != '.': #Weed out hidden files
        i = 0
        c_expirations = {}
        for contract in os.listdir(path + sym):
            expiry = (contract[:-4][-1].encode('ascii', 'ignore') + contract[:-4][:-1][-2:].encode('ascii', 'ignore'))
            c_expirations[expiry] = pd.io.parsers.read_csv(path + sym + '/' + contract, index_col=0, parse_dates = True, names = columns)
        commodities[sym] = pd.concat(c_expirations, axis =1)
df_data = pd.concat(commodities, axis=1)
df_data.columns.names = 'asset', 'expiry', 'data'

看看打印出来的内容

print df_data


<class 'pandas.core.frame.DataFrame'>
DatetimeIndex: 1568 entries, 2007-04-16 00:00:00 to 2013-06-17 00:00:00
Columns: 1197 entries, (CC2, H14, open) to (ZW, Z13, delivery)
dtypes: float64(1197)

真的只是修改了安迪的建议，并大规模应用它