记录量化程序编程过程的一些出错点和需要记录的点

data = pd.read_csv(file_root, encoding='utf-8',usecols=columns,parse_dates=['date'])
#参数 parse_dates=['date'] 是把列date设置为日期格式
#还可以加参数index_col="date" 这个是把列设置为索引，为什么不设置，是因为下面一行筛选需要一个
#值，不能用索引，否则会报错

return (data[(data['date']>=star_date) & (data['date']<=end_date)])
#筛选数据，date必须为普通行，如果设置成索引行可以用下面一行去掉索引

# data.reset_index(inplace=True)#去掉索引

data.set_index("date", inplace = True)
#这行是设置date为索引行，inplace为True是在原来的数据表上面更改

data.dropna(axis=0, thresh=4,inplace=True)
删除含有Nan值的行，thresh是条件，意思是如果一行内有4个以上有数值的话就不删除这一行，如果少于4个就删除这一行。inplace为True是在原来的数据表上面更改。axis=0表示以行为单位，axis=1表示以列为单位。

df.fillna(0,inplace=True)
可以把pandas数据表里的Nan值全部替换成0

df2.reset_index(inplace=True)#去除原来的搜引
pd.to_datetime(df2['FSRQ'])#把FSRQ列设置为日期格式

df.at的用法
作用：获取某个位置的值，例如，获取第0行，第a列的值，即：index=0，columns='a'
data = df.at[0, 'a']
 

#合并多个pandas表格的数据
frames=[data2,data1]#先把两个把放在一个数据里，排前面的数据要放前面，可以放两个以上
data2=pd.concat(frames)