金融应用

1. Pandas 可以再算术运算中自动对齐数据，例如计算成交量加权平均价格。

2.频率转换和重对齐的俩大主要工具是

 resample---将时间序列的频率规整到固定频率。

reindex---对于更加不规律的时间序列，reindex将ts1的时间索引规整到成ts2一样，并维持ts2的日期索引。

3.Period

时间索引为时间区间，俩个不同频率的数据，怎么样对齐计算？

df1.asfreq('Q-SEP',how='end') -----采用时间区间的频率转换，将俩个数据频率对齐。

df1.reindex(df2.index,fill_method='ffill') ---最后再重索引。

4. 某时间点和‘最当前’ 数据选取。

df.at_time(time(10,0)--选取在所有在10：00的数据点

df.asof(DatatimeIndex)---选取在 datetimeIndex 时间点‘最近的’有效值（非NA）

5.拼接数据源

类似前几张数据的合并。

pd.concat(df1,df2)--将俩个数据合并在一起

df1.come_first(df2)---用df2数据相对应的‘填补’df1

6.收益指数和累计收益。

data.pct_change()-----计算每一行数据点之间的变化百分比。

data.cumprod()--计算一行数据的累计乘积，例：IN: [4,5,6].cumprod()  OUT:[4,20,120],