qq_38230663的博客

1 布林指标： 布林线（Boll）指标是股市技术分析的常用工具之一，通过计算股价的“标准差”，再求股价的“信赖区间”。该指标在图形上画出三条线，其中上下两条线可以分别看成是股价的压力线和支撑线，而在两条线之间还有一条股价平均线，布林线指标的参数最好设为20。一般来说，股价会运行在压力线和支撑线所形成的通道中。### 第一步：计算布林指标 ####第一步：计算MAN = 20 #布林线指标的参数最好设为20MA = data['收盘价(元)'].sum()/N#第二步：计算标准差...

1 读取excel文件：pd.read_excel('./data/xxx.xlsx')2 读取csv文件：pd.read_csv()（1）读取前10行某两列数据：pd.read_csv('data1.csv', encoding='gbk', usecols=['positionName', 'salary'], nrows=10)（2）读取数据并在读取数据时将'xxx'列大于10000的为改为高：pd.read_csv('data2.csv', converters={'薪

1 常用统计函数：df['xxx'].mean() # 均值df.mean().mean() # 全体平均数df[xxx'].median() # 中位数df[xxx'].var() # 方差df[xxx'].std() # 标准差max(),min() # 最大(小)值2 diff()函数：计算上下行差值：# 方法一：Series.diff()df['xxx'].diff()# 方法二：shift(1)diff = df['xxx'] - df['xxx'].shift(

1 缺失值判断/填充/设置/删除：（1）判断缺失值：# 检查数据中是否含有任何缺失值：df.isnull().values.any()# 查看每列数据缺失值：df.isnull().sum()# 查看每列非缺失值数：df.notnull().sum()df.shape[0] - df.isnull().sum()（2）缺失值填充：# 用上下平均值填充：df['xxx'] = df['xxx'].fillna(df['xxx'].interpolate())# df .

1 提取具体单行列，多行列数据：（1）提取单行数据：df.loc[32]df.iloc[32,:]df.iloc[32]（2）提取单列数据：df[['xxx']]（3）提取多列数据：#1.提取xxx1, xxx2, xxx3列数据：df[['xxx1', 'xxx2', 'xxx3']]#2.提取除倒数后三列之外的全部列数据：df.iloc[:, : -3]（4）提取第一列位置再1，10，15的数字：#方法一：df.iloc[[1, 10, 15], 0

1 设置索引：df.set_index('xxx')2 重置索引（行号）：df.reset_index(drop = True, inplace = True) # drop = True：原有索引就不会成为新的列3 更改列名:#方法一：直接法df.columns = ['col1', 'col2', 'col3']#方法二：(使用rename()函数：修改指定修改某列或某几列名字)df.rename(columns={'0':'col1', '1':'col2', '2'

（1）查看前(后)x行数据：#前x行：df.head(x)#后x行：df.tail(x)df.iloc[-x:, :]（2）查看所有列名：df.columns（3）查看数据行列数：df.shape（4）查看行数:#方法一：df.shape[0]#方法二；len(df)（5）查看列数:#方法一：len(df.columns)#方法二：df.shape[1]#方法三：df.info()（6）查看索引、数据类型和内存信息：df.inf

1. 创建DateFrame：（1）字典法:data = {"grammer":['Python', 'C', 'Java', 'GO', np.NaN, 'SQL', 'PHP', 'Python'], "score":[1.0, 2.0, np.NaN, 4.0, 5.0, 6.0, 7.0, 10.0]}df = pd.DataFrame(data)df（2）Series：pd.DataFrame(pd.Series(np.random.randint(1, 10