Python slice() 函数切片操作 之 股票时间序列数据切片和索引操作

1.数组切片

slice是Python内置函数,无需进行包的调用,在使用slice构造数组索引的时候,一般使用如下方式进数组索引操作:
slice(start, end)
slice(start, end,j)

# 初始化一个数组
arr = [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
print(arr[slice(0, 5)])

# 输出结果为
[0, 1, 2, 3, 4]

此处arr[slice(0, 5)]就等价于arr[0:5]

print(arr[0:5])

#输出结果为
[0, 1, 2, 3, 4]

但是slice可以间隔提取索引,比如arr[slice(0, 5, 2)],是提取数组arr中索引0到5中的元素,并且是间隔2个元素进行索引

print(arr[slice(0, 5, 2)])

#输出结果为
[0, 2, 4]

这样我们可以实现间隔提取数组中元素的操作啦

2.案例2

实现时间序列数据的切片和提取操作
首先我们先导入股票时间序列数据市场股票的市值
在这里插入图片描述
然后将时间转换成datetime()格式

df_market_value["datetime"] = pd.to_datetime(df_market_value["datetime"])

然后将时间格式设置成索引

df_market_value = df_market_value.set_index("datetime")

然后提取2016年1月1日-2016年12月31日的切片数据

import pandas as pd

slc = slice(pd.Timestamp("2016-01-01"), pd.Timestamp("2016-12-31"))
df_market_value[slc]

在这里插入图片描述
这样就截取了2016年的全部数据
我们也可以间隔5天进行数据的选取
(1)数据导入
(2)转换成时间格式
(3)设置成索引才能进行slice操作

import pandas as pd

df_market_value["datetime"] = pd.to_datetime(df_market_value["datetime"])
df_market_value = df_market_value.set_index("datetime")

slc = slice(pd.Timestamp("2016-01-01"), pd.Timestamp("2016-12-31"), 5)

df_market_value[slc]

在这里插入图片描述

  • 1
    点赞
  • 9
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Python量化投资、代码解析与论文精读

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值