70 lines
2.7 KiB
Python
70 lines
2.7 KiB
Python
import argparse
|
||
import pandas as pd
|
||
|
||
def analyze_candlestick_data(file_path):
|
||
# 读取feather文件
|
||
df = pd.read_feather(file_path)
|
||
|
||
# 查看数据集行数和列数
|
||
rows, columns = df.shape
|
||
|
||
if rows < 1000:
|
||
# 短表数据（行数少于500）查看全量数据信息
|
||
print('数据全部内容信息：')
|
||
print(df.to_csv(sep='\t', na_rep='nan'))
|
||
else:
|
||
# 长表数据查看数据前几行信息
|
||
print('数据前几行内容信息：')
|
||
print(df.head().to_csv(sep='\t', na_rep='nan'))
|
||
|
||
# 查看数据最后几行信息
|
||
print('数据最后几行内容信息：')
|
||
print(df.tail().to_csv(sep='\t', na_rep='nan'))
|
||
|
||
# 查看数据的基本信息
|
||
print('数据基本信息：')
|
||
df.info()
|
||
|
||
# 查看数据集行数和列数
|
||
rows, columns = df.shape
|
||
|
||
if columns < 10 and rows < 500:
|
||
# 短表窄数据（列少于10且行数少于500）查看全量统计信息
|
||
print('数据全部内容描述性统计信息：')
|
||
print(df.describe(include='all', percentiles=[.25, .5, .75]).to_csv(sep='\t', na_rep='nan'))
|
||
else:
|
||
# 长表数据查看数据前几行统计信息
|
||
print('数据前几行描述性统计信息：')
|
||
print(df.head().describe(include='all', percentiles=[.25, .5, .75]).to_csv(sep='\t', na_rep='nan'))
|
||
|
||
# 计算时间跨度
|
||
min_date = df['date'].min()
|
||
max_date = df['date'].max()
|
||
time_span = max_date - min_date
|
||
|
||
# 检查时间序列完整性
|
||
df = df.sort_values('date') # 确保数据按时间排序
|
||
df['time_diff'] = df['date'].diff().dt.total_seconds() # 计算相邻时间点的差值(秒)
|
||
expected_freq = df['time_diff'].mode()[0] # 使用最常见的间隔作为预期频率
|
||
missing_intervals = df[df['time_diff'] > expected_freq] # 找出间隔大于预期的位置
|
||
|
||
print(f"\n数据时间跨度：{time_span}")
|
||
print(f"开始时间：{min_date}")
|
||
print(f"结束时间：{max_date}")
|
||
|
||
if missing_intervals.empty:
|
||
print("数据完整性：完整，未发现缺失的蜡烛图数据")
|
||
else:
|
||
print(f"数据完整性：不完整，发现 {len(missing_intervals)} 处可能的缺失")
|
||
print("缺失位置示例：")
|
||
for _, row in missing_intervals.head(5).iterrows(): # 显示前5个缺失示例
|
||
gap_duration = pd.Timedelta(seconds=row['time_diff'])
|
||
print(f" - 在 {row['date']} 之前缺失了 {gap_duration}")
|
||
|
||
if __name__ == "__main__":
|
||
parser = argparse.ArgumentParser(description='分析Freqtrade蜡烛图Feather文件')
|
||
parser.add_argument('--path', required=True, help='Feather文件路径')
|
||
args = parser.parse_args()
|
||
|
||
analyze_candlestick_data(args.path)
|