金融经济数据方面应用Python非常广泛,也可以算是用Python进行数据分析的一个实际应用。
数据规整化方面的应用
时间序列与截面对齐
在处理金融数据时,最费神的一个问题就是所谓的“数据对齐” (data alignment)问题。两个相关的时间序列的索引可能没有很好的对齐,或两个DataFrame对象可能含有不匹配的列或行。
Pandas可以在算术运算中自动对齐数据。在实际工作中,这不仅能为你带来极大自由度,而且还能提升工作效率。如下,看这个两个DataFrame分别含有股票价格和成交量的时间序列:
![](https://i-blog.csdnimg.cn/blog_migrate/eedfa4695b80002571a7bc558190e531.webp?x-image-process=image/format,png)
假设你想要用所有有效数据计算一个成交量加权平均价格(为了简单起见,假设成交量数据是价格数据的子集)。由于pandas会在算术运算过程中自动将数据对齐,并在sum这样的函数中排除缺失数据,所以我们只需编写下面这条简洁的表达式即可: