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],