Python数据分析
1 NumPy模块
1.1 介绍
NumPy(Numerical Python) 是用于科学计算的基础库，支持多维度的数组与矩阵运算。
1.2 ndarray对象
1.2.1 介绍
ndarray对象是用于存放同类型元素的多维数组对象，是一系列同类型数据的集合。
ndarray对象中的每个元素在内存中都占据相同大小的存储区域。
数组和列表的区别是数组中的所有元素类型必须相同，类型优先级：字符串 > 浮点型 > 整数
1.2.2 创建ndarray对象
1.2.2.1 numpy.array
numpy.array(object, dtype = None, copy = True, order = None, subok = False, ndmin = 0)
| 参数 | 说明 |
|---|---|
| object | 数组或嵌套的数列 |
| dtype | 元素的数据类型 |
| copy | 对象是否需要复制 |
| order | 创建数组的样式，C为行方向，F为列方向，A为任意方向(默认) |
| subok | 默认返回一个与基类类型一致的数组 |
| ndmin | 指定生成数组的最小维度 |
import numpy as np
# 一维数组
np.array([1, 2, 3]) # array([1, 2, 3])
# 二维数组
np.array([[1, 2, 3], [4, 5, 6]])
'''
array([[1, 2, 3],
[4, 5, 6]])
'''
# 数组中的所有元素类型必须相同，类型优先级：字符串>浮点型>整数
np.array([1, 1.2, '12']) # array(['1', '1.2', '12'], dtype='<U32')
np.array([1, 1.2, 12]) # array([ 1. , 1.2, 12. ])
# 指定最小维度
np.array([1, 2, 3], ndmin=5) # array([[[[[1, 2, 3]]]]]))
# 指定dtype
np.array([1, 2, 3], dtype=complex) # array([1.+0.j, 2.+0.j, 3.+0.j])
1.2.2.2 numpy提供的routines函数
- numpy.empty
用于创建未初始化的数组，元素为随机值。
arr = np.empty([3, 2], dtype=int)
arr.fill(100)
'''
array([[100, 100],
[100, 100]])
'''
- numpy.zeros
np.zeros(shape=(2, 3)) # 默认为浮点数
'''
array([[0., 0., 0.],
[0., 0., 0.]])
'''
np.zeros(3, dtype=np.int) # 指定为整形
array([0, 0, 0])
- numpy.ones
np.ones(3) # 默认为浮点数
'''
array([1., 1., 1.])
'''
np.ones(3, dtype=np.int) # 指定为整形
'''
array([1, 1, 1])
'''
- np.linspace
指定元素个数，返回一维等差数列。
np.linspace(开始值, 终止值, 元素个数)
np.linspace(0, 20, num=10)
'''
array([ 0. , 2.22222222, 4.44444444, 6.66666667, 8.88888889,
11.11111111, 13.33333333, 15.55555556, 17.77777778, 20. ])
'''
- np.arange
指定步长，返回一维等差数列。
np.arange(开始值, 终止值, 步长)
np.arange(0, 20, step=5) # array([ 0, 5, 10, 15])
- np.random.randint
返回随机数组，指定元素取值范围。
np.random.randint(0, 100, size=(2, 3))
'''
array([[84, 26, 20],
[10, 88, 4]])
'''
- np.random.random
返回随机数组，元素取值范围为[0, 1]。
np.random.random(size=(2, 3))
'''
array([[0.34844375, 0.44087602, 0.82370203],
[0.04277734, 0.8713185 , 0.57144526]])
'''
1.2.2.3 matplotlib.pyplot
利用图片数据生成ndarray对象。
import matplotlib.pyplot as plt
# imread返回numpy数组。
img_arr = plt.imread('./test.jpg')
# 使用numpy数组进行图像展示。
plt.imshow(img_arr)
1.2.3 NumPy基本类型
arr0 = np.array([1, 2, 3], dtype='float32') # array([1., 2., 3.], dtype=float32)
arr1 = arr0.astype('int8')
print(arr1) # array([1, 2, 3], dtype=int8)
print(arr0) # array([1., 2., 3.], dtype=float32)
arr0.dtype = 'int16'
print(arr0) # array([ 0, 16256, 0, 16384, 0, 16448], dtype=int16)
1.2.4 ndarray对象的属性
| 属性 | 说明 |
|---|---|
| ndim | 秩(rank)，即轴的数量或维度的数量 |
| shape | 数组的维度 |
| size | 数组元素的总个数 |
| dtype | 数组的元素类型 |
arr = np.random.random(size=(2, 3))
arr.ndim # 2
arr.shape # (2, 3)
arr.size # 6
arr.dtype # dtype('float64')
1.3 操作ndarray对象
1.3.1 索引操作
arr = np.random.randint(0, 100, size=(5, 6))
'''
array([[36, 50, 31, 15],
[71, 3, 8, 9],
[47, 12, 8, 47]])
'''
arr[1][3] # 9
1.3.2 切片操作
# 取出前两行的数据
arr[0:2]
'''
array([[36, 50, 31, 15],
[71, 3, 8, 9]])
'''
# 取出前两列的数据
arr[:, 0:2]
'''
array([[36, 50],
[71, 3],
[47, 12]])
'''
# 取出前两行前两列的数据
arr[0:2, 0:2]
'''
array([[36, 50],
[71, 3]])
'''
1.3.3 翻转操作
arr
'''
array([[36, 50, 31, 15],
[71, 3, 8, 9],
[47, 12, 8, 47]])
'''
# 按行翻转
arr[::-1]
'''
array([[47, 12, 8, 47],
[71, 3, 8, 9],
[36, 50, 31, 15]])
'''
# 按列翻转
arr[:, ::-1]
'''
array([[15, 31, 50, 36],
[ 9, 8, 3, 71],
[47, 8, 12, 47]])
'''
# 按行和列翻转
arr[::-1, ::-1]
'''
array([[47, 8, 12, 47],
[ 9, 8, 3, 71],
[15, 31, 50, 36]])
'''
1.3.4 翻转操作案例 翻转图片
img_arr.shape # (626, 413, 3)
# 将图片上下翻转
plt.imshow(img_arr[::-1])
plt.imshow(img_arr[::-1, :, :])
# 将图片左右翻转
plt.imshow(img_arr[:, ::-1, :])
# 反色处理
plt.imshow(img_arr[:, :, ::-1])
# 图片裁剪
plt.imshow(img_arr[170:390, 100:320, :])
1.3.5 变形操作 reshape
变形操作不能修改数组的元素个数。
arr.shape # (3, 4)
# 二维数组 => 一维数组
arr1 = arr.reshape((12,)) # array([36, 50, 31, 15, 71, 3, 8, 9, 47, 12, 8, 47])
# 二维数组变形
arr2 = arr.reshape(2, 6)
'''
array([[36, 50, 31, 15, 71, 3],
[ 8, 9, 47, 12, 8, 47]])
'''
1.3.6 级联操作 concatenate
将多个numpy数组在行方向上进行横向拼接或在列方向上进行纵向拼接。
numpy.concatenate((a1, a2, ...), axis)
a1, a2, …：相同类型的数组；
axis：轴向，0表示列(默认)，1表示行。
axis=0，列方向进行拼接，列数要相等；
axis=1，行方向进行拼接，行数要相等。
arr1 = np.random.randint(0, 100, size=(2, 1))
arr2 = np.random.randint(0, 100, size=(2, 3))
np.concatenate((arr1, arr2), axis=1)
'''
array([[83, 24, 42, 66],
[96, 66, 25, 52]])
'''
1.3.7 级联操作案例 图片九宫格
img_arr_3 = np.concatenate((img_arr, img_arr, img_arr), axis=1) # 横向拼接
img_arr_9 = np.concatenate((img_arr_3, img_arr_3, img_arr_3), axis=0) # 纵向拼接
plt.imshow(img_arr_9)
1.4 函数
1.4.1 统计函数
1.4.1.1 amin，amax
numpy.amin() 用于获取数组中指定轴向上的元素最小值。
numpy.amax() 用于获取数组中指定轴向上的元素最大值。
参数axis指定轴向，0表示列(默认)，1表示行。
arr
'''
array([[36, 50, 31, 15],
[71, 3, 8, 9],
[47, 12, 8, 47]])
'''
np.amin(arr, axis=0) # array([36, 3, 8, 9])
np.amin(arr, axis=1) # array([15, 3, 8])
1.4.1.2 极差 ptp
numpy.ptp()函数用于计算数组中指定轴向上的元素最大值与最小值之差，即：最大值 - 最小值。
arr
'''
array([[36, 50, 31, 15],
[71, 3, 8, 9],
[47, 12, 8, 47]])
'''
np.ptp(arr, axis=0) # array([35, 47, 23, 38])
np.ptp(arr, axis=1) # array([35, 68, 39])
1.4.1.3 中位数 median
numpy.median()函数用于计算中位数。
arr
'''
array([[36, 50, 31, 15],
[71, 3, 8, 9],
[47, 12, 8, 47]])
'''
np.median(arr, axis=0) # array([47., 12., 8., 15.])
np.median(arr, axis=1) # array([33.5, 8.5, 29.5])
1.4.1.4 算术平均值 mean
numpy.mean()函数用于计算算术平均值。
arr
'''
array([[36, 50, 31, 15],
[71, 3, 8, 9],
[47, 12, 8, 47]])
'''
np.mean(arr, axis=0) # array([51.33333333, 21.66666667, 15.66666667, 23.66666667])
np.mean(arr, axis=1) # array([33. , 22.75, 28.5 ])
1.4.1.5 方差 var
方差是每个样本值与全体样本值的平均值之差的平方的平均数，即mean((x - x.mean())**2)。
arr
'''
array([[36, 50, 31, 15],
[71, 3, 8, 9],
[47, 12, 8, 47]])
'''
np.var(arr, axis=0) # array([213.55555556, 414.88888889, 117.55555556, 278.22222222])
np.var(arr, axis=1) # array([156.5 , 781.1875, 344.25 ])
1.4.1.6 标准差 std
标准差是方差的算术平方根，用于表示一组数据的离散程度。
std = sqrt(mean((x - x.mean())**2))
arr
'''
array([[36, 50, 31, 15],
[71, 3, 8, 9],
[47, 12, 8, 47]])
'''
np.std(arr, axis=0) # array([14.61354014, 20.36882149, 10.84230398, 16.67999467])
np.std(arr, axis=1) # array([12.509996 , 27.94973166, 18.55397532])
1.4.2 数学函数
1.4.2.1 三角函数
标准的三角函数：sin()、cos()、tan()。
a = np.array([0, 45, 60, 270, 540])
np.sin(a*np.pi/180) # array([ 0.00000000e+00, 7.07106781e-01, 8.66025404e-01, -1.00000000e+00, 3.67394040e-16])
np.cos(a*np.pi/180) # array([ 1.00000000e+00, 7.07106781e-01, 5.00000000e-01, -1.83697020e-16, -1.00000000e+00])
np.tan(a*np.pi/180) # array([ 0.00000000e+00, 1.00000000e+00, 1.73205081e+00, 5.44374645e+15, -3.67394040e-16])
1.4.2.2 四舍五入 around
numpy.around() 函数返回指定数字的四舍五入值。
参数decimals表示舍入的小数位数，默认值为0，如果为负，将四舍五入到小数点左侧对应的位置。
a = np.array([1.0, 5.55, 123, 0.567, 25.532])
np.around(a) # array([ 1., 6., 123., 1., 26.])
np.around(a, decimals=1) # array([ 1. , 5.6, 123. , 0.6, 25.5])
np.around(a, decimals=-1) # array([ 0., 10., 120., 0., 30.])
1.4.3 线性代数与矩阵
1.4.3.1 点积 dot
numpy.dot()用于计算两个数组的矩阵乘积。
np.dot([[2,1], [4,3]], [[1,2], [1,0]])
'''
array([[3, 4],
[7, 8]])
'''
1.4.3.2 转置 T
arr
'''
array([[36, 50, 31, 15],
[71, 3, 8, 9],
[47, 12, 8, 47]])
'''
arr.T
'''
array([[36, 71, 47],
[50, 3, 12],
[31, 8, 8],
[15, 9, 47]])
'''
1.4.3.3 矩阵库numpy.matlib简介
NumPy中包含一个矩阵库numpy.matlib，矩阵库中的函数返回的是一个矩阵，而不是ndarray对象。
2 Pandas
Pandas是一个分析结构化数据的工具集，用于数据挖掘和数据分析，同时也提供数据清洗功能。
数据结构
| 数据结构 | 维度 | 描述 |
|---|---|---|
| Series | 1 | 带标签的一维同构数组 |
| DataFrame | 2 | 带标签的大小可变的二维异构表格 |
2.1 Series
2.1.1 介绍
Series是一种类似于一维数组的对象，由数据(NumPy的ndarray数组对象)及对应的索引组成。
导入包
import pandas as pd
import numpy as np
from pandas import Series, DataFrame
2.1.2 创建Series
list1 = [1, 2, 3, 4, 5]
Series(data=list1) # 隐式索引
'''
0 1
1 2
2 3
3 4
4 5
dtype: int64
'''
dict1 = {
'A': 100,
'B': 99,
'C': 120,
}
Series(data=dict1) # 显式索引
'''
A 100
B 99
C 120
dtype: int64
'''
2.1.3 索引与切片
- 设置索引
隐式索引：未指定时自动生成的索引（0，1，2…）;
显示索引：自定义索引，通过index参数设置或传入字典数据。
s = Series(data=np.random.randint(0, 100, size=(3,)), index=['A', 'B', 'C'])
'''
A 61
B 17
C 37
dtype: int32
'''
- 索引取值
s[0] # 44
s['A'] # 44
s.A # 44
- 切片取值
s[0: 3]
s['A': 'D']
'''
A 44
B 90
C 39
dtype: int32
'''
2.1.4 属性
# 索引
s.index # Index(['A', 'B', 'C'], dtype='object')
# 值
s.values # array([44, 90, 39])
s.size # 3
s.shape # (3,)
shape
2.1.5 常用方法
- head 和 tail
s.head(2)
'''
A 44
B 90
dtype: int32
'''
s.tail(2)
'''
B 90
C 39
dtype: int32
'''
- unique 和 nunique
s = Series(data=[1,1,2,2,3,3,3,3,3,3,4,5,6,7,7,7])
# 去除重复元素
s.unique() # array([1, 2, 3, 4, 5, 6, 7])
# 统计去重后的元素个数
s.nunique() # 7
- 算术运算
索引一致的元素可以进行算数运算，否则补空(NaN)。
s1 = Series(data=[1,2,3,4,5], index=['a','b','c','d','e'])
s2 = Series(data=[1,2,3,4,5], index=['a','b','f','d','e'])
s3 = s1 + s2
'''
a 2.0
b 4.0
c NaN
d 8.0
e 10.0
f NaN
dtype: float64
'''
- isnull 和 notnull
# 检测Series中的元素是否为空，空则返回True，否则返回False。
s.isnull()
'''
a False
b False
c True
d False
e False
f True
dtype: bool
'''
# 取出空数据
s[s.isnull()]
'''
c NaN
f NaN
dtype: float64
'''
# 检测Series中的元素是否不为空，非空则返回True，否则返回False。
s.notnull()
'''
a True
b True
c False
d True
e True
f False
dtype: bool
'''
# 取出非空数据，数据清洗。
s[s.notnull()]
'''
a 2.0
b 4.0
d 8.0
e 10.0
dtype: float64
'''
2.2 DataFrame
2.2.1 介绍
DataFrame是Pandas中的表格型数据结构，包含有一组有序的列，列与列之间数据类型可以不同(数值、字符串、布尔型等)，可以视为由Series组成的字典。
行索引：index
列索引：columns
值：values
2.2.2 创建DataFrame
- ndarray数组
df = DataFrame(data=np.random.randint(0, 100, size=(5, 6)), columns=['a','b','c','d','e','f'], index=['A','B','C','D','E'])
'''
a b c d e f
A 16 49 89 28 14 17
B 86 35 95 90 4 85
C 88 67 57 13 1 76
D 31 34 62 30 52 89
E 92 56 98 20 1 16
'''
- 字典
dict1 = {
'name': ['A', 'B', 'C'],
'salary': [10000, 20000, 30000]
}
df = DataFrame(data=dict1, index=['a', 'b', 'c'])
'''
name salary
a A 10000
b B 20000
c C 30000
'''
- 练习
根据以下考试成绩表，创建一个DataFrame，命名为score_df。
| 张三 | 李四 | |
|---|---|---|
| 语文 | 150 | 0 |
| 数学 | 150 | 0 |
| 英语 | 150 | 0 |
| 理综 | 300 | 0 |
score_dict = {
'张三': [150, 150, 150, 300],
'李四': [0, 0, 0, 0]
}
score_df = DataFrame(data=score_dict, index=['语文', '数学', '英语', '理综'])
2.2.3 属性
dict1 = {
'name': ['A', 'B', 'C'],
'salary': [10000, 20000, 30000]
}
df = DataFrame(data=dict1, index=['a','b','c'])
df.values
'''
array([['A', 10000],
['B', 20000],
['C', 30000]], dtype=object)
'''
df.columns
'''
Index(['name', 'salary'], dtype='object')
'''
df.index
'''
Index(['a', 'b', 'c'], dtype='object')
'''
df.shape # (3, 2)
2.2.4 索引操作
df
'''
张三 李四
语文 150 0
数学 150 0
英语 150 0
理综 300 0
'''
- 对列进行索引取值。
df['张三']
df[['张三', '李四']]
- iloc与loc对行进行索引取值。
iloc是通过隐式索引取行；
loc是通过显式索引取行。
df.loc['语文']
df.iloc[0]
df.iloc[[1, 2, 3]]
- 取元素
df.loc['数学', '张三'] # 150
df.iloc[1, 0] # 150
df.iloc[[0, 2], 0]
'''
语文 150
英语 150
Name: 张三, dtype: int64
'''
2.2.5 切片操作
- 对行进行切片
df[1: 3]
'''
张三 李四
数学 150 0
英语 150 0
'''
- 对列进行切片
df.iloc[:, 0: 1]
'''
张三
语文 150
数学 150
英语 150
理综 300
'''
索引
df[col]: 取列
df.loc[index]: 取行
df.iloc[index, col]: 取元素
切片
df[index1: index3]: 切行
df.iloc[:, col1: col3]: 切列
2.2.6 练习
初始数据
# 期中考试成绩
midterm_score_dict = {
'张三': [150, 150, 150, 300],
'李四': [0, 0, 0, 0]
}
midterm_score_df = DataFrame(data=midterm_score_dict, index=['语文', '数学', '英语', '理综'])
# 期末考试成绩
final_score_dict = {
'张三': [100, 90, 90, 100],
'李四': [0, 0, 0, 0]
}
final_score_df = DataFrame(data=final_score_dict, index=['语文', '数学', '英语', '理综'])
- 求期中期末的平均值。
average_df = (midterm_score_df + final_score_df) / 2
- 张三期中考试数学被发现作弊，记0分处理。
midterm_score_df.loc['数学', '张三'] = 0
- 李四因为举报张三作弊有功，期中考试所有科目加100分。
midterm_score_df['李四'] += 100
- 期中考试给每位学生的每个科目都加10分。
midterm_score_df += 10
2.2.7 时间数据类型转换
pd.to_datetime(col)
准备数据
info_dict = {
'name': ['Jay', 'Tom', 'Bobo'],
'hire_date': ['2010-10-11', '2012-12-01', '2011-11-12'],
'salary': [10000, 20000, 30000]
}
df = DataFrame(data=info_dict)
'''
name hire_date salary
0 Jay 2010-10-11 10000
1 Tom 2012-12-01 20000
2 Bobo 2011-11-12 30000
'''
查看信息
df.info()
'''
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 3 entries, 0 to 2
Data columns (total 3 columns):
# Column Non-Null Count Dtype
--- ------ -------------- -----
0 name 3 non-null object
1 hire_date 3 non-null object
2 salary 3 non-null int64
dtypes: int64(1), object(2)
memory usage: 200.0+ bytes
'''
字符串格式的时间数据转换成时间序列类型数据
df['hire_date'] = pd.to_datetime(df['hire_date'])
再次查看信息
df.info()
'''
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 3 entries, 0 to 2
Data columns (total 3 columns):
# Column Non-Null Count Dtype
--- ------ -------------- -----
0 name 3 non-null object
1 hire_date 3 non-null datetime64[ns]
2 salary 3 non-null int64
dtypes: datetime64[ns](1), int64(1), object(1)
memory usage: 200.0+ bytes
'''
2.2.8 将某一列设置为行索引
将hire_date列设置为行索引。
new_df = df.set_index('hire_date')
'''
name salary
hire_date
2010-10-11 Jay 10000
2012-12-01 Tom 20000
2011-11-12 Bobo 30000
'''
new_df.shape # (3, 2)
3 Tushare财经数据接口包
3.1 简介
Tushare是一个财经数据接口包，主要用于提供便于分析的股票等金融数据。Tushare返回的数据类型基本都是Pandas的DataFrame，便于使用Pandas/NumPy/Matplotlib进行数据分析和可视化。
安装Tushare
python -m pip install tushare
3.2 股票分析
需求：
- 使用Tushare包获取贵州茅台[600519]的近十年股票行情数据；
- 输出该股票所有收盘比开盘的涨幅超过3%的日期；
- 输出该股票所有开盘比前日收盘的跌幅超过2%的日期；
- 假如从2010年1月1日开始，每月第一个交易日买入1手股票，每年最后一个交易日卖出所有股票，到今天为止收益如何？
3.2.1 问题1
使用Tushare包获取某股票(600519)的历史行情数据。
导入包
import tushare as ts
import numpy as np
import pandas as pd
from pandas import Series, DataFrame
用Tushare包获取某股票的历史行情数据
df = ts.get_k_data(code='600519', start='2010-01-01')
持久化存储
df.to_csv('./maotai.csv')
从外部加载数据
df = pd.read_csv('./maotai.csv')
df.head()
删除Unnamed: 0列
注意，drop系列函数中axis=0表示行，axis=1表示列。
df.drop(labels='Unnamed: 0', axis=1, inplace=True)
查看数据信息。
df.info()
'''
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 2551 entries, 0 to 2550
Data columns (total 7 columns):
# Column Non-Null Count Dtype
--- ------ -------------- -----
0 date 2551 non-null object
1 open 2551 non-null float64
2 close 2551 non-null float64
3 high 2551 non-null float64
4 low 2551 non-null float64
5 volume 2551 non-null float64
6 code 2551 non-null int64
dtypes: float64(5), int64(1), object(1)
memory usage: 139.6+ KB
'''
格式转换，将date列的字符串类型的时间数据转换为时间序列类型。
df['date'] = pd.to_datetime(df['date'])
df['date'].dtype # dtype('<M8[ns]')
df.info()
'''
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 2551 entries, 0 to 2550
Data columns (total 7 columns):
# Column Non-Null Count Dtype
--- ------ -------------- -----
0 date 2551 non-null datetime64[ns]
1 open 2551 non-null float64
2 close 2551 non-null float64
3 high 2551 non-null float64
4 low 2551 non-null float64
5 volume 2551 non-null float64
6 code 2551 non-null int64
dtypes: datetime64[ns](1), float64(5), int64(1)
memory usage: 139.6 KB
'''
将date列作为源数据的行索引。
df.set_index(keys='date', inplace=True)
df.info()
<class 'pandas.core.frame.DataFrame'>
DatetimeIndex: 2551 entries, 2010-01-04 to 2020-07-13
Data columns (total 6 columns):
# Column Non-Null Count Dtype
--- ------ -------------- -----
0 open 2551 non-null float64
1 close 2551 non-null float64
2 high 2551 non-null float64
3 low 2551 non-null float64
4 volume 2551 non-null float64
5 code 2551 non-null int64
dtypes: float64(5), int64(1)
memory usage: 139.5 KB
3.2.2 问题2
输出该股票所有收盘比开盘的涨幅超过3%的日期。
(收盘 - 开盘) / 开盘 > 0.03
(df['close'] - df['open']) / df['open'] > 0.03
注，在df的相关操作中如果返回了布尔值，下一步马上考虑将布尔值作为原始数据的行索引。
获取满足要求的数据
df.loc[(df['close'] - df['open']) / df['open'] > 0.03]
获取满足要求的日期
df.loc[(df['close'] - df['open']) / df['open'] > 0.03].index
3.2.3 问题3
输出该股票所有开盘比前日收盘的跌幅超过2%的日期。
(开盘 - 前日收盘) / 前日收盘 < -0.02
df['close'].shift(1).head()
'''
date
2010-01-04 NaN
2010-01-05 108.446
2010-01-06 108.127
2010-01-07 106.417
2010-01-08 104.477
Name: close, dtype: float64
'''
(df['open'] - df['close'].shift(1)) / df['close'].shift(1) < -0.02
df.loc[(df['open'] - df['close'].shift(1)) / df['close'].shift(1) < -0.02]
df.loc[(df['open'] - df['close'].shift(1)) / df['close'].shift(1) < -0.02].index
3.2.4 问题4
假如从2010年1月1日开始，每月第一个交易日买入1手(100支)股票，每年最后一个交易日卖出所有股票，到今天为止收益如何？
分析：
买股票
每月的第一个交易日根据开盘价买入一手股票，即100支股票，
则一年需要买入12月 * 100支 = 1200支股票。
卖股票
每年最后一个交易日(12-31)根据开盘价卖出所有的股票，
则一年需要卖出1200支股票。
现在是2020年7月，则2020年只能买入700支股票，无法卖出。此时在计算总收益时需要将剩余股票的价值也计算在内。
new_df = df['2010':'2020']
数据的重新取样 resample
# 每个月第一个交易日对应的行数据。
df_monthly = new_df.resample(rule='M').first()
计算买入股票一共花了多少钱
cost = df_monthly['open'].sum() * 100 # 4636917.100000001
计算卖出股票收入多少钱，A表示年。
df_yearly = new_df.resample('A').last()[0:-1]
recv = df_yearly['open'].sum() * 1200 # 4368184.8
计算剩余股票的价值
last = 700 * df['open'][-1]
计算总收益
recv + last - cost # 913567.6999999993
1289
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
