量化交易入门笔记-Pandas库

Pandas 是基于 Numpy 构建的，让以 Numpy 为中心的应用变得更加简单

Pandas 提供了大量快速便捷地处理数据的函数和方法，这也是使 Pandas 成为强大的高效的数据分析环境的重要因素之一

Pandas 的数据结构主要有三种

• Series
• DataFrame
• Panel

一维数组 Series

Series 是由一组数据（各种 Numpy 数据类型），以及一组与之相关的标签数据（即索引）组成。仅上一组数据即可产生最简单的 Series，也可以通过传递一个 list 对象来创建一个 Series 。需要注意的是，Pandas 会默认创建整形索引

Series 中只允许在座相同类型的数据，以提高运算效率

# 引用 pandas 库，并重命名为 pd
import pandas as pd

pd_series = pd.Series(['Python','C','C#','C++','Java','VB','VC'])
print("显示Series中的内容\n", pd_series)
print("显示Series中的索引\n", pd_series.index)
print("显示Series中的数据\n", pd_series.values)

# 创建带指定索引的Serices
other_series = pd.Series(['Python','C','C#','C++','Java','VB','VC'], index = ['a','b','c','d','e','f','g'])
print("显示Series中的内容\n：", other_series)

显示Series中的内容
 0    Python
1         C
2        C#
3       C++
4      Java
5        VB
6        VC
dtype: object
显示Series中的索引
 Int64Index([0, 1, 2, 3, 4, 5, 6], dtype='int64')
显示Series中的数据
 ['Python' 'C' 'C#' 'C++' 'Java' 'VB' 'VC']
显示Series中的内容：
a    Python
b         C
c        C#
d       C++
e      Java
f        VB
g        VC
dtype: object

二维数组 DataFrame

DataFrame 是一个表格型数据结构，它含有一组有序的列，每一列的数据结构都是相同的，而不同列之间则可以是不同的数据类型。或者以数据库进行类型，DataFrame 中的每一行是一个记录，名称为 Index 的一个元素，而每一列则为一个字段，是这个记录的一个属性。DataFrame 既有行的索引也有列的索引，可以被看作由 Series 组成的字典（共用一个索引）

DataFrame 是个二维数组，相当于表结构。它的列称为columns，行称为index。也可以将DataFrame理解为Series的容器

创建 DataFrame

# 引用 pandas 库，并重命名为 pd
import pandas as pd

data = {
    "name":["yahoo", "google", "facebook"], "marks": [200,400,800], "price": [9, 3, 7]}
pd_dataframe = pd.DataFrame(data)
print("显示DataFrame的数据")
print(pd_dataframe)

显示DataFrame的数据
   marks      name  price
0    200     yahoo      9
1    400    google      3
2    800  facebook      7

提示，因为字典是无序的，所以最后转换成DataFrame后，列的顺序可能与定义的时候是不一样的

查看数据

先利用get_price函数来获取某股票一段时间内的数据，其语法如下：

get_price(security, start_date=None, end_date=None, frequency='daily', fields=None, skip_paused=False, fq='pre', count=None)

参数解析：

• security：一只股票的代码或一组股票代码的 list

• start_date: 开始时间，与参数 count 二选一，不可同时使用。如果两者都没有设置，则start_date生效，默认时间为’2015-01-01’。如果取分钟数据，时间可以精确到分钟

• end_date: 结束时间，默认是’2015-12-31’，包含此日期。当取分钟数据时，如果只有日期，则日内时间等同于’00:00:00’，所以返回的数据不包括 end_date 这一天

• frequency: 单位时间长度，几天或者几分钟，默认是 daily ，即表示1天。现在支持

  • Xd 几天
  • Xm 几分钟
  • daily 1天
  • minute 1分钟

  需要注意的是，当X>1时，fields 只支持 [‘open’, ‘close’, ‘high’, ‘low’, ‘volume’, ‘money’] 这几个标准字段

• fields: 字符串 list，选择要获取的行情数据字段，默认是 None（表示 [‘open’, ‘close’, ‘high’, ‘low’, ‘volume’, ‘money’] 这几个标准字段）。参数 felids 支持 SecurityUnitData 里面的所有基本属性，包含：[‘open’, ‘close’, ‘high’, ‘low’, ‘volume’, ‘money’, ‘factor’, ‘high_limit’, ‘low_limit’, ‘avg’, ‘pre_close’, ‘paused’]

• sikp_paused:是否跳过不易日期（包括停牌、未上市或者退市后数据者为 nan。需要注意的是，该参数默认为 False ，即不跳过不交易日期。如果当该参数是 True 时，只能选取一只股票的信息

• fq: 复权选项。参数值设为 ‘pre’，表示前复权，为默认设置；参数值为 None，表示不复权，返回实际价格；参数值设置为 ‘post’，表示后复权

• count:与 start_date 二选一，不可同时使用。参数 count 表示数量，返回结果集的行数，表示获取 end_date 之前几个 frequency 的数据

示例代码：

# 引用 pandas 库，并重命名为 pd
import pandas as pd

# 通过get_price函数获取一段时间内某股票的数据
date_frame = get_price('000009.XSHE', 
                       start_date='2018-04-03',