我從 RobinHoood 函數(shù)中提取了 AAPL 歷史期權價格列表robin_stocks.get_option_historicals()。數(shù)據(jù)以字典列表的形式返回，如下所示。我在將以下對象（名為historicalData）轉換為DataFrame. 有人可以幫忙嗎？historicalData = {'data_points': [{'begins_at': '2020-10-05T13:30:00Z', 'open_price': '1.430000', 'close_price': '1.430000', 'high_price': '1.430000', 'low_price': '1.430000', 'volume': 0, 'session': 'reg', 'interpolated': False},{'begins_at': '2020-10-05T13:40:00Z', 'open_price': '1.430000', 'close_price': '1.340000', 'high_price': '1.440000', 'low_price': '1.320000', 'volume': 0, 'session': 'reg', 'interpolated': False}],'open_time': '0001-01-01T00:00:00Z','open_price': '0.000000','previous_close_time': '0001-01-01T00:00:00Z','previous_close_price': '0.000000','interval': '10minute','span': 'week','bounds': 'regular','id': '22b49380-8c50-4c76-8fb1-a4d06058f91e','instrument': 'https://api.robinhood.com/options/instruments/22b49380-8c50-4c76-8fb1-a4d06058f91e/'}我嘗試了下面的代碼，但這沒有幫助：import pandas as pddf = pd.DataFrame(historicalData)df
2 回答
互換的青春
TA貢獻1797條經(jīng)驗 獲得超6個贊
您沒有寫到您只需要 data_points（如另一個答案中所示），所以我假設您希望將整個字典轉換為 DataFrame。
為此，請從您的代碼開始：
df = pd.DataFrame(historicalData)
它創(chuàng)建一個 DataFrame，其中data_points “分解”為連續(xù)行，但它們仍然是字典。
然后將open_price列重命名為open_price_all：
df.rename(columns={'open_price': 'open_price_all'}, inplace=True)原因是為了避免在不久執(zhí)行連接后出現(xiàn)重復的列名稱 （data_points還包含open_price屬性，我希望data_points 中的相應列 “繼承”此名稱）。
下一步是創(chuàng)建一個臨時 DataFrame - 將data_points中的字典拆分為各個列：
wrk = df.data_points.apply(pd.Series)
打印wrk查看結果。
最后一步是將df與wrk連接并刪除 data_points列（不再需要，因為它被分成單獨的列）：
result = df.join(wrk).drop(columns=['data_points'])
慕少森
TA貢獻2019條經(jīng)驗 獲得超9個贊
通過下面的內容很容易解決這個問題。我已通過列表理解將數(shù)據(jù)框放入列表中
import pandas as pd
df_list = [pd.DataFrame(dic.items(), columns=['Parameters', 'Value']) for dic in historicalData['data_points']]
然后你可以這樣做：
df_list[0]
這將產生
Parameters Value
0 begins_at 2020-10-05T13:30:00Z
1 open_price 1.430000
2 close_price 1.430000
3 high_price 1.430000
4 low_price 1.430000
5 volume 0
6 session reg
7 interpolated False
添加回答
舉報
0/150
提交
取消