量化编程技术—pandas与数据分析

# -*- coding: utf-8 -*-
# @Date:   2017-08-26
# @Original:

import numpy as np

stock_cnt = 200
view_days = 504
# 生成序列
stock_day_change = np.random.standard_normal((stock_cnt, view_days))
stock_day_change.shape

import pandas as pd

列出前5行数据
pd.DataFrame(stock_day_change).head(5)

4.1.2 索引行列序列
# 从2017-1-1向上时间递进，单位freq='1d'即1天
days = pd.date_range('2017-1-1', periods=stock_day_change.shape[1], freq='1d')
# 股票0 -> 股票stock_day_change.shape[0]
stock_symbols = ['股票 ' + str(x) for x in range(stock_day_change.shape[0])]
# 分别设置index和columns
df = pd.DataFrame(stock_day_change, index=stock_symbols, columns=days)
# 表4-3所示
df.head(2)

df_stock0 = df['股票 0']
print(type(df_stock0))
# 打印出Series的前5行数据, 与DataFrame一致
# <class 'pandas.core.series.Series'>
df_stock0.head()

4.2.1 数据整体分析
info()查看数据是否有缺失，及各个子数据的数据类型
tsla_df.info()
describe()展示每组数据的统计信息
tsla_df.describe()

4.2.2 索引选取和切片选择
使用loc配合行名称、列名称选取切片示例如下
# 2014-07-23至2014-07-31 开盘价格序列
tsla_df.loc['2014-07-23':'2014-07-31', 'open']

iloc配合行索引数值及列索引数值选取切片
# [1:5]：(1，2，3，4)，[2:6]: (2, 3, 4, 5)
tsla_df.iloc[1:5, 2:6]

根据列名混合选择
tsla_df.[['close','high','low']][0:3]

4.2.3 逻辑条件进行数据筛选
# abs为取绝对值
# 涨跌幅大于8%，交易成交量大于统计周期内的平均值的2.5倍
tsla_df[(np.abs(tsla_df.netChangeRatio) > 8) & (tsla_df.volume > 2.5 * tsla_df.volume.mean())]

4.2.4 数据转换与规整
tsla_df.sort_index(by='netChangeRatio')[:5]

# 如果一行的数据中存在na就删除这行
tsla_df.dropna()
# 通过how控制 如果一行的数据中全部都是na就删除这行
tsla_df.dropna(how='all')    

# 使用指定值填充na， inplace代表就地操作，即不返回新的序列在原始序列上修改
tsla_df.fillna(tsla_df.mean(), inplace=True).head()
# pct_change()对序列从第二项开始向前做减法后再除以前一项，即涨跌幅
tsla_df.close.pct_change()[:3]

# 将change_ratio转变成与tsla_df.p_change字段一样的百分百，同样保留两位小数
np.round(change_ratio[-5:] * 100, 2)

4.2.5 数据本地序列化操作

tsla_df.to_csv('../gen/tsla_df.csv', columns=tsla_df.columns, index=True)
tsla_df_load = pd.read_csv('../gen/tsla_df.csv', parse_dates=True, index_col=0)
tsla_df_load.head()