Python 股票数据合并：将分钟数据循环插入日线数据

以下是使用 Python 将股票的日线数据与分钟数据循环插入的示例代码：

import pandas as pd

# 读取日线数据
daily_data = pd.read_csv('daily_data.csv')

# 读取分钟数据
minute_data = pd.read_csv('minute_data.csv')

# 将日期列转换为日期时间类型
daily_data['Date'] = pd.to_datetime(daily_data['Date'])
minute_data['Timestamp'] = pd.to_datetime(minute_data['Timestamp'])

# 创建一个新的 DataFrame 来存储插入后的数据
merged_data = pd.DataFrame(columns=daily_data.columns)

# 遍历每一行日线数据
for _, row in daily_data.iterrows():
    # 获取日线数据的日期
    date = row['Date'].date()
    
    # 从分钟数据中筛选出当天的数据
    minute_subset = minute_data[minute_data['Timestamp'].dt.date == date]
    
    # 将分钟数据插入到新的 DataFrame 中
    merged_data = pd.concat([merged_data, row.to_frame().T, minute_subset])
    
# 对合并后的数据按照日期进行排序
merged_data.sort_values('Date', inplace=True)

# 重置索引
merged_data.reset_index(drop=True, inplace=True)

# 保存合并后的数据到新的文件
merged_data.to_csv('merged_data.csv', index=False)

在以上示例代码中，我们假设日线数据存储在名为'daily_data.csv'的 CSV 文件中，分钟数据存储在名为'minute_data.csv' 的 CSV 文件中。代码首先读取这两个文件，并将日期列转换为日期时间类型。然后，我们创建一个新的 DataFrame 来存储插入后的数据。接下来，我们遍历每一行日线数据，在分钟数据中筛选出当天的数据，并将其插入到新的 DataFrame 中。最后，对合并后的数据按照日期进行排序，并保存到名为'merged_data.csv' 的 CSV 文件中。

请根据实际情况修改文件路径和列名等相关参数，以适应您的数据格式和需求。