因前篇谈到透过api.kbars抓取1分K的资料内容，但我们在看盘或盘後分析时，可能会用到其它类型的K线，例如：5分K或15分K。本篇会先说明1分K要如储存并转换成其它的K线资料。

本篇重点

• DataFrame 基本功能操作
• SQLite 简介
• 透过 Pandas，将资料储存至 SQLite 及读取
• kbars 资料转换(换算成5分K)

DataFrame 基本功能操作

https://datacarpentry.org/python-ecology-lesson/03-index-slice-subset/
在上一篇，我们说到api.kbars抓的资料最小单位就是一个交易日，若我们要抓这个交易日中的特定时间区间的kbar资料，就只能透过DataFrames做筛选。
首先，透过DataFrame.head()及DataFrame.tail()，可以取得DataFrame最前面或最後面的资料，在呼叫head()或tail()时，可以指定所要回传的资料笔数；若没有指定，预设就是回传5笔资料

df.head() #回传最前面的资料，没有指定资料笔数，预设为5笔
df.tail(3) #回传最後面3笔的资料

也可以透过Slice的方式，取得特定几笔的资料。这个功能与Python中List的Slice操作方式相同

df[start:stop:step]
# start 开始位置，不指定则以第一个元素开始
# stop 停止位置，不指定则取到最後一个元素
# step 每个元素间的位移量
df[:10] #从index 0的元素开始取，当元素的index为10时则停止
df[:10:2] #从index 0的元素开始取，当元素的index为10时则停止，每个元素位移量为2
df[1:10:2] #从index 1的元素开始取，当元素的index为10时则停止，每个元素位移量为2
df[1:9:2] #从index 1的元素开始取，当元素的index为9时则停止，每个元素位移量为2

除了上述一般Slice的方式，DataFrame更强的地方在於，可以依资料内容指定特殊条件，例如：

df.ts = pd.to_datetime(df.ts)
df[df.ts >= '13:00:00'] #依df.ts栏位，抓'13:00:00'之後的kbar资料

同样的方式，也可以套用在tick资料上面

df = pd.DataFrame({**ticks})
df.ts = pd.to_datetime(df.ts)
df[df.volume > 100] #抓成交量大於100的tick资料

如果要单纯抓某些栏位的资料，可以用下列的方式

df.ts #抓ts栏位中的资料
df['ts'] #与上一行的作用相同

SQLite 简介

SQLite - 维基百科介绍：https://zh.wikipedia.org/wiki/SQLite
SQLite是一个轻量级的资料库，在使用时并不像其它资料库需先安装DB Server及其它设定，它也可以说是目前最多人使用的资料库，因为在手机的通讯软件app，都是用SQLite来储存讯息纪录。
目前若要查看sqlite资料库内容，可用许多软件。
这里介绍使用DB Browser for SQLite
DB Browser for SQLite：https://sqlitebrowser.org/
打开上面的网址後，点「Download」

程序有分安装版及免安装版，这里我选择「DB Browser for SQLite - .zip (no installer) for 64-bit Windows」这个免安装版本

下载完成并解压缩後，程序的执行档为「DB Browser for SQLite.exe」这个档案

透过 Pandas，将资料储存至SQLite

一般我们要把资料储存至资料库，需要了解基本的SQL语法操作，并透过SQL语法将资料写入资料库的Table中。但是透过Pandas，我们可以先不用了解SQL语法，就可将DataFrame的资料储存至资料库中。
DataFrame.to_sql，可参考官方的说明文件：
https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.to_sql.html
以下范例为将kbars资料，稍做调整後储存至SQLite中

from dotenv import load_dotenv
import os
import shioaji as sj
import pandas as pd
import sqlite3 #汇入sqlite3模组

load_dotenv('D:\\python\\shioaji\\.env') 

api = sj.Shioaji()
api.login(
    person_id=os.getenv('YOUR_PERSON_ID'), 
    passwd=os.getenv('YOUR_PASSWORD')
)

conn = sqlite3.connect('shioaji.db') #建立资料库连线，若档案不存在，会自动建立
#抓2330台积电，2021-08-02~2021-09-10间所有ticks
kbars = api.kbars(api.Contracts.Stocks["2330"], start="2021-08-02", end="2021-09-10")
df = pd.DataFrame({**kbars})
df['date'] = pd.to_datetime(df.ts).dt.date #增加date栏位，并将df.ts转换成日期资料
df['time'] = pd.to_datetime(df.ts).dt.time #增加time栏位，并将df.ts转换成时间资料
df['code'] = '2330' #增加 code 股票代码栏位
df.to_sql('stocks_kbars', #所要写入的Table名称
        conn, #传入上面所建立的sqlite3.Connection
        if_exists='append', #当Table已存在於资料库中，所要做的动作
        index=False #预设为True，设为False表示写入资料时，不将index栏位写入
    )

if_exists这个参数，预设值为'fail'，意思是若Table已存在於资料库中，就直接跳出错误讯息；若设为'append'，表示若Table已存在，则保留原本的Table资料，并将新的资料写入到Table中；若设为'replace'，若Table已存在，则在写入时，会先将原本的Table删除後重新建立，并将新的资料写入到Table中。

使用 DB Browser for SQLite 查看资料库内容

接着，执行刚才下载的DB Browser for SQLite，并按「打开资料库」

选择SQLite所在的资料夹，并选择资料库档案

开启後，就可以看到Pandas建立的Table

若要查看Table中的资料，请点「Browse Data」

若资料有正常写入SQLite，可以看到所抓取的kbar资料内容

透过 Pandas 读取 SQLite 中所储存的资料

在前面储存至资料库时，有提到可以不用先了解SQL语法；但若要直接用Pandas直接将SQLite中的资料读取出来时，就需要写到简单的SQL语法。

import pandas as pd
import sqlite3

conn = sqlite3.connect('shioaji.db') #建立资料库连线
#从stocks_kbars这个Table中，取得所有资料，并转换为DataFrame
df = pd.read_sql('SELECT * FROM stocks_kbars', conn)

SQLite 对於刚接触程序的人，是一个很容易上手的资料库，透过 Pandas 也可以直接对 SQLite 做存取
如果你想要使用其它的资料库，可参考以下文章，使用Pandas + SQLAlchemy做存取
https://www.sqlshack.com/introduction-to-sqlalchemy-in-pandas-dataframe/
https://hackersandslackers.com/connecting-pandas-to-a-sql-database-with-sqlalchemy/

kbars 转换(1分k to 5分k 或 10分k)

前一篇的Kbars中提到，api.kbars抓出来的资料是1分K，若需要5分K或10分K，可以透过pandas.DataFrame.resample达到
官方说明文件：https://pandas.pydata.org/docs/reference/api/pandas.DataFrame.resample.html
以下为将1分K资料转为5分K的范例：

df.index = df.ts #将ts资料，设定为DataFrame的index
kbars_5min_high = df.High.resample('5min').max() #最高。以5分钟重新取样一次後，取最大值
kbars_5min_low = df.Low.resample('5min').min() #最低。以5分钟重新取样一次後，取最小值
kbars_5min_close = df.Close.resample('5min').last() #收盘。以5分钟重新取样一次後，取最後一笔
kbars_5min_open = df.Open.resample('5min').first() #开盘。以5分钟重新取样一次後，取第一笔

透过resample重新取样後，就可以再透过pandas.concat，将上面的资料重新组合成一份5分K的DataFrame资料
官方说明文件：https://pandas.pydata.org/docs/reference/api/pandas.concat.html

df_5min_kbars = pd.concat([kbars_5min_open, kbars_5min_close, kbars_5min_high, kbars_5min_low], axis=1)

接着执行print(df_5min_kbars.head())，可以看到转换出来的5分K资料内容

                      Open  Close   High    Low
ts
2021-09-17 09:00:00  600.0  601.0  601.0  600.0
2021-09-17 09:05:00  601.0  600.0  601.0  600.0
2021-09-17 09:10:00  600.0  601.0  602.0  600.0
2021-09-17 09:15:00  601.0  601.0  602.0  601.0
2021-09-17 09:20:00  602.0  600.0  602.0  600.0

同样的，若要把1分K资料转换成10分K资料，只要把resample中的参数改为'10min'即可