学习笔记（三）

学习笔记（三）
1.Fama-French三因子，计算SMB、HML
1)首先对因子分组，两种方法，map或where
data[‘HL’] = data[0].map(lambda x:‘H’ if x>50 else ‘L’)
data[‘HL1’] = np.where(data[0]>50,‘H’,‘L’)
如果分位数有两个(a和b,b>a)，需要做两次map,但更推荐np.where,只需要一行
a,b = pd.quantile([0.3,0.7])
#a是第（n+1）*0.3个数，若非整数，则取相邻两个数中间
data[‘SB’] = data[1].map(lambda x:‘B’ if x>50 else ‘S’)
data[‘SB’] = data.apply(lambda x: ‘B’ if x[2]>b else data[‘SB’],axis = 1)
data[‘SB1’] = np.where(data[2]>b,‘B’,np.where(data[2]<a,‘S’,‘M’))
2）取出不同的组，例如取出B和H
data_BH = data.query(’(SB==“B”) & (HL==“H”)’)
需要注意query里面的写法，SB和HL是data的列，不加引号
3）取出不同组之后，计算多空收益率即可

2.最大值，df是一个dataframe
df.max()默认对列
df.max(axis=1),每一行计算最大值
np.maximum(a,b),可以用于期权
df.idxmax()默认对列，取出每列最大值的索引
df.idxmax(axis = 1)取出每行最大值的索引

3.对dataframe的列名重命名，使用字典形式
data = data.rename(columns = {‘0_HL’:‘HL’})
需要加columns，不加的话，默认对行索引

4.对Series相加相减，必须有相同的index，否则报错
若是dataframe相加，也会根据相同的index相加，若有nan，则相加后还是nan
若一定要相加，可以reset_index（drop=True）之后相加
如果对于nan和另一个数，想保留另一个数，可以fillna（0）之后相加

5.缺失值处理，np.nan不是np.nan
df.iloc[7,2] = np.nan #先令df第八行，第三列的数变成np.nan
df.iloc[7,2] == np.nan #再判断它是不是np.nan，结果报False
需要用别的判断方式
np.isnan(df.iloc[7,2])
pd.isnull(df.iloc[7,2])
pd.notnull(df.iloc[7,2])
有时候算收益率的时候，会出来inf，因为前面的数据是0，不要轻易fillna（0）。
如何剔除nan、inf?
df[~df.isin([np.nan,np.inf]).any(1)]#如果包含nan、inf,取反之后返回False，any(1)表示，只有全部为True，才返回True，any里面的1是指axis=1,对行
df.dropna(how=‘any’,axis=1) #dropna里面的axis=1，表示对列，某列里只要有np.nan，就删掉
how=‘any’/how=‘all’/thresh=10，axis=0
any表示有False的行全删掉
all表示全部是False的行才删掉
thresh=10表示某行有10个以下的观察值，才删掉它
例如说要筛选出上市一年以上的股票，threth=252
df[‘b’].str.contains(‘a’)
这个函数要求df[‘b’]列只有str，可以用来看是否有包含a这个字母
实际运用中，可以拿来筛选某个地区有哪些股票
df[‘b’].str.contains(‘浙江’)