分钟线跨午休时间轴不连续：是数据错误还是市场规则？

# 通用Python示例：模拟加载分钟线数据
import pandas as pd

# 假设data是一个包含'timestamp'和'price'列的DataFrame
# timestamp为datetime类型
data = pd.read_csv('your_data_source.csv', parse_dates=['timestamp'])

# 查看数据时间范围，注意11:30到13:00之间的缺失
print(data['timestamp'].min(), data['timestamp'].max())
print(data.head(10))
print(data.tail(10))

def is_trading_time(timestamp):
    """
    判断给定时间戳是否处于A股交易时段。
    交易时段：9:30-11:30, 13:00-15:00
    """
    hour = timestamp.hour
    minute = timestamp.minute
    time_in_minutes = hour * 60 + minute

    morning_start = 9 * 60 + 30  # 9:30
    morning_end = 11 * 60 + 30   # 11:30
    afternoon_start = 13 * 60    # 13:00
    afternoon_end = 15 * 60      # 15:00

    return (morning_start <= time_in_minutes < morning_end) or \
           (afternoon_start <= time_in_minutes < afternoon_end)

# 应用函数，为数据添加一个'trading'标记列
data['is_trading'] = data['timestamp'].apply(is_trading_time)

# 方法一：按日期分组，分别处理每个交易日的数据
data['date'] = data['timestamp'].dt.date
for date, group in data.groupby('date'):
    # 对每个交易日内的连续交易分钟线进行处理
    # 例如，计算该日的5分钟移动平均
    group['ma5'] = group['price'].rolling(window=5).mean()
    # 注意：这里的window=5指的是5根分钟K线，而非5分钟时间

# 方法二：在计算前，过滤掉非交易时段的数据（如果数据源包含非交易时段的空记录）
trading_data = data[data['is_trading'] == True]

-- 通用SQL示例：查询某日交易时段内的分钟线数据
SELECT timestamp, price
FROM minute_data_table
WHERE timestamp >= '2023-10-27 09:30:00'
  AND timestamp <= '2023-10-27 15:00:00'
  -- 如果需要排除午休，可以进一步过滤
  AND (EXTRACT(HOUR FROM timestamp) < 11 OR EXTRACT(HOUR FROM timestamp) >= 13)
ORDER BY timestamp;