rdat/rdata xtsファイルをpython pandasのネイティブ時系列ファイルに変換するには？

Question

株データの時系列ファイルが1000個以上あるフォルダがあります。以下は、私が時系列（xts）ファイルをrdaに保存したサンプルコードです。私はcsvの代わりにrda/rdataを使用しました。ファイルの保存と読み込みが高速で、データ圧縮もcsvと比較してrdaで非常に優れていたからです。

library(quantmod) 
AAPL <- getSymbols("AAPL",auto.assign=FALSE) 
save(AAPL,file="/home/user/folder/AAPL.rda") 

      AAPL.Open AAPL.High AAPL.Low AAPL.Close AAPL.Volume AAPL.Adjusted 
2007-01-03  86.29  86.58 81.90  83.80 309579900  10.96015 
2007-01-04  84.05  85.95 83.82  85.66 211815100  11.20341 
2007-01-05  85.77  86.20 84.40  85.05 208685400  11.12363 
2007-01-08  85.96  86.53 85.28  85.47 199276700  11.17857 
2007-01-09  86.45  92.98 85.15  92.57 837324600  12.10717 
2007-01-10  94.75  97.80 93.45  97.00 738220000  12.68657 

私はR.で私のデータ解析実験の多くは、これらのファイルを使用します。しかし、今、私はゆっくりとその汎用言語ので（パンダと）のpythonに移行しています。もう一度すべての株価データをダウンロードするのではなく、現在のrda xtsファイルをPythonのpandasネイティブファイル（h5またはpickleのいずれかが最良のフォーマット）に変換する方法があります。どうしたらいいですか？

EDIT

これは私がPythonでやったことある

import rpy2.robjects as robjects 
import pandas.rpy.common as com 
import pandas as pd 

robj=robjects.r['load']("AAPL.rda") 


for sets in robj: 
    myRData = com.load_data(sets) 
    # convert to DataFrame 
    if not isinstance(myRData, pd.DataFrame): 
     myRData = pd.DataFrame(myRData) 

print(myRData) 

出力は、それがpythonで非の時系列データセットにそれを変換し

 AAPL.Open AAPL.High AAPL.Low AAPL.Close AAPL.Volume AAPL.Adjusted 
1.0 86.289999 86.579999 81.899999 83.800002 309579900.0  10.960147 
2.0 84.050001 85.949998 83.820003 85.659998 211815100.0  11.203415 
3.0 85.770000 86.199997 84.400002 85.049997 208685400.0  11.123633 
4.0 85.959998 86.529998 85.280003 85.470000 199276700.0  11.178565 
5.0 86.450003 92.979999 85.150000 92.570003 837324600.0  12.107169 

です。どのように時系列に変換する必要がありますか？

EDIT 2：

多くの検索と工夫した後、私はここまで来ています。私は今、問題は、変換現地時間インデックスが正しくフォーマットされていない、現地時間

import rpy2.robjects as robjects 
import pandas.rpy.common as com 
import pandas as pd 
import numpy as np 

robj=robjects.r['load']("AAPL.rda") 

myRData=None 
for sets in robj: 
    myRData = com.load_data(sets) 
    # convert to DataFrame 
    if not isinstance(myRData, pd.DataFrame): 
     myRData = pd.DataFrame(myRData) 

myRData.head(10)  
ts=np.array(robjects.r('attr(AAPL,"index")')).astype(int) 

#changing index 
myRData.index=pd.to_datetime(ts, utc=True, format='%Y-%m-%d') 

myRData.tail(10) 

に私のRDAファイル内のUTC変数を変換しようとしました。テール部分には、1970年に詰まったものではなく、最近の日付の時系列が含まれている必要があります。

         AAPL.Close AAPL.Volume AAPL.Adjusted 
1970-01-01 00:00:01.476144+00:00  116.300003 64041000.0  116.300003 
1970-01-01 00:00:01.476230400+00:00 117.339996 37586800.0  117.339996 
1970-01-01 00:00:01.476316800+00:00 116.980003 35192400.0  116.980003 
1970-01-01 00:00:01.476403200+00:00 117.629997 35652200.0  117.629997 
1970-01-01 00:00:01.476662400+00:00 117.550003 23624900.0  117.550003 
1970-01-01 00:00:01.476748800+00:00 117.470001 24553500.0  117.470001 
1970-01-01 00:00:01.476835200+00:00 117.120003 20034600.0  117.120003 
1970-01-01 00:00:01.476921600+00:00 117.059998 24125800.0  117.059998 
1970-01-01 00:00:01.477008+00:00  116.599998 23192700.0  116.599998 
1970-01-01 00:00:01.477267200+00:00 117.650002 23311700.0  117.650002 

Answer 1

時間の編集と検索の後。私はこの結果のコードに私の問題を解決しました。任意の提案は

import rpy2.robjects as robjects 
import pandas.rpy.common as com 
import pandas as pd 
import numpy as np 
from datetime import datetime 

#loading external rda file 
robj=robjects.r['load']("AAPL.rda") 

myRData=None 
for sets in robj: 
    myRData = com.load_data(sets) 
    # convert to DataFrame 
    if not isinstance(myRData, pd.DataFrame): 
     myRData = pd.DataFrame(myRData) 

myRData.tail(10)  

#fetching UTC data from rda file 
ts=np.array(robjects.r('attr(AAPL,"index")')).astype(int) 

#converting UTC to local time 
d= np.array([]) 
for t in ts: 
    s=datetime.utcfromtimestamp(t) 
    d=np.append(s,d) 

#sorting datetime 
d=np.sort(d, axis=0) 

#changing index 
myRData.index=pd.to_datetime(d) 

myRData.tail(10) 

結果

   AAPL.Open AAPL.High AAPL.Low AAPL.Close AAPL.Volume \ 
2016-10-11 117.699997 118.690002 116.199997 116.300003 64041000.0 
2016-10-12 117.349998 117.980003 116.750000 117.339996 37586800.0 
2016-10-13 116.790001 117.440002 115.720001 116.980003 35192400.0 
2016-10-14 117.879997 118.169998 117.129997 117.629997 35652200.0 
2016-10-17 117.330002 117.839996 116.779999 117.550003 23624900.0 
2016-10-18 118.180000 118.209999 117.449997 117.470001 24553500.0 
2016-10-19 117.250000 117.760002 113.800003 117.120003 20034600.0 
2016-10-20 116.860001 117.379997 116.330002 117.059998 24125800.0 
2016-10-21 116.809998 116.910004 116.279999 116.599998 23192700.0 
2016-10-24 117.099998 117.739998 117.000000 117.650002 23311700.0