同花顺Supermind量化交易 Python基础编程--pandas进阶

本节为pandas进阶内容，核心还是DataFrame数据处理，注意包括缺失数据处理、函数的应用和映射、数据规整等。

第七节：pandas进阶

　　本节为pandas进阶内容，核心还是DataFrame数据处理，注意包括缺失数据处理、函数的应用和映射、数据规整等。
　　开始之前首先导入库:numpy和pandas

In [1]:

import pandas as pd
import numpy as np 

一、缺失数据处理

　　还是获取MindGo平台的数据来演示：

In [4]:

# 获取招商银行近10个工作日的开盘价、最高价、最低价、收盘价。并将部分数据赋值为NAN，假设为缺失部分。
price= get_price('600036.SH', None, '20180125', '1d', ['open', 'high', 'low', 'close'], False, 'pre', 10, is_panel=1)
price[price > 34] = np.nan
price

Out[4]:

	close	high	low	open
2018-01-12	31.51	31.58	31.02	31.12
2018-01-15	31.94	32.40	31.30	31.48
2018-01-16	31.89	32.28	31.54	31.80
2018-01-17	31.69	33.11	31.50	32.10
2018-01-18	32.32	32.75	32.10	32.10
2018-01-19	32.46	33.35	32.21	32.66
2018-01-22	33.08	33.64	32.15	32.18
2018-01-23	NaN	NaN	33.20	33.20
2018-01-24	33.85	NaN	33.45	NaN
2018-01-25	33.41	NaN	32.90	NaN

　　1.去掉包含缺失值的行

In [6]:

price.dropna()

Out[6]:

	close	high	low	open
2018-01-12	31.51	31.58	31.02	31.12
2018-01-15	31.94	32.40	31.30	31.48
2018-01-16	31.89	32.28	31.54	31.80
2018-01-17	31.69	33.11	31.50	32.10
2018-01-18	32.32	32.75	32.10	32.10
2018-01-19	32.46	33.35	32.21	32.66
2018-01-22	33.08	33.64	32.15	32.18

　　2.对缺失值进行填充为30

In [7]:

price.fillna(value=30)

Out[7]:

	close	high	low	open
2018-01-12	31.51	31.58	31.02	31.12
2018-01-15	31.94	32.40	31.30	31.48
2018-01-16	31.89	32.28	31.54	31.80
2018-01-17	31.69	33.11	31.50	32.10
2018-01-18	32.32	32.75	32.10	32.10
2018-01-19	32.46	33.35	32.21	32.66
2018-01-22	33.08<