python表达式计算x=-b+√_量化投资与Python之pandas

pandas：数据分析

pandas是一个强大的Python数据分析的工具包。

pandas是基于NumPy构建的。

pandas的主要功能

具备对其功能的数据结构DataFrame、Series

集成时间序列功能

提供丰富的数学运算和操作

灵活处理缺失数据

安装方法：pip install pandas

引用方法：import pandas as pd

pandas：Series

Series是一种类似于一位数组的对象，由一组数据和一组与之相关的数据标签(索引)组成。

创建方式：

pd.Series([4,7,-5,3])

pd.Series([4,7,-5,3],index=['a','b','c','d'])

pd.Series({'a':1, 'b':2})

pd.Series(0, index=['a','b','c','d’])

获取值数组和索引数组：values属性和index属性

Series比较像列表(数组)和字典的结合体。

Series支持数组的特性：

从ndarray创建Series：Series(arr)

与标量运算：sr*2

两个Series运算：sr1+sr2

索引：sr[0], sr[[1,2,4]]

切片：sr[0:2](切片依然是视图形式)

通用函数：np.abs(sr)

布尔值过滤：sr[sr>0]

统计函数：mean() sum() cumsum()

Series支持字典的特性(标签)：

从字典创建Series：Series(dic),

in运算：’a’ in sr、for x in sr

键索引：sr['a'], sr[['a', 'b', 'd']]

键切片：sr['a':'c']

其他函数：get('a', default=0)等

pandas：Series数据对齐

pandas在运算时，会按索引进行对齐然后计算。如果存在不同的索引，则结果的索引是两个操作数索引的并集。

例：

sr1 = pd.Series([12,23,34], index=['c','a','d'])

sr2 = pd.Series([11,20,10], index=['d','c','a',])

sr1+sr2

sr3 = pd.Series([11,20,10,14], index=['d','c','a','b'])

sr1+sr3

如何在两个Series对象相加时将缺失值设为0？

sr1.add(sr2, fill_value=0)

灵活的算术方法：add, sub, div, mul

缺失数据：使用NaN(Not a Number)来表示缺失数据。其值等于np.nan。内置的None值也会被当做NaN处理。

处理缺失数据的相关方法：

dropna() 过滤掉值为NaN的行

fillna() 填充缺失数据

isnull() 返回布尔数组，缺失值对应为True

notnull() 返回布尔数组，缺失值对应为False

过滤缺失数据：sr.dropna() 或 sr[data.notnull()]

填充缺失数据：fillna(0)

pandas：整数索引

整数索引的pandas对象往往会使新手抓狂。

例：

sr = np.Series(np.arange(4.))

sr[-1]

如果索引是整数类型，则根据整数进行数据操作时总是面向标签的。

loc属性 以标签解释

iloc属性 以下标解释

pandas：DataFrame

查看数据常用属性及方法：

index 获取索引

T 转置

columns 获取列索引

values 获取值数组

describe() 获取快速统计

DataFrame各列name属性：列名

rename(columns={})

查看数据常用属性及方法：

index 获取索引

T 转置

columns 获取列索引

values 获取值数组

describe() 获取快速统计

DataFrame各列name属性：列名

rename(columns={})

DataFrame有行索引和列索引。

DataFrame同样可以通过标签和位置两种方法进行索引和切片。

DataFrame使用索引切片：

方法1：两个中括号，先取列再取行。 df['A'][0]

方法2(推荐)：使用loc/iloc属性，一个中括号，逗号隔开，先取行再取列。

loc属性：解释为标签

iloc属性：解释为下标

向DataFrame对象中写入值时只使用方法2

行/列索引部分可以是常规索引、切片、布尔值索引、花式索引任意搭配。(注意：两部分都是花式索引时结果可能与预料的不同)

通过标签获取：

df['A']

df[['A', 'B']]

df['A'][0]

df[0:10][['A', 'C']]

df.loc[:,['A','B']]

df.loc[:,'A':'C']

df.loc[0,'A']

df.loc[0:10,['A','C']]

通过位置获取：

df.iloc[3]

df.iloc[3,3]

df.iloc[0:3,4:6]

df.iloc[1:5,:]

df.iloc[[1,2,4],[0,3]]

通过布尔值过滤：

df[df['A']>0]

df[df['A'].isin([1,3,5])]

df[df<0] = 0

DataFrame对象在运算时，同样会进行数据对齐，行索引与列索引分别对齐。

结果的行索引与列索引分别为两个操作数的行索引与列索引的并集。

DataFrame处理缺失数据的相关方法：

dropna(axis=0,where='any',…)

fillna()

isnull()

notnull()

pandas：其他常用方法

pandas常用方法(适用Series和DataFrame)：

mean(axis=0,skipna=False)

sum(axis=1)

sort_index(axis, …, ascending) 按行或列索引排序

sort_values(by, axis, ascending) 按值排序

NumPy的通用函数同样适用于pandas

apply(func, axis=0) 将自定义函数应用在各行或者各列上 ，func可返回标量或者Series

applymap(func) 将函数应用在DataFrame各个元素上

map(func) 将函数应用在Series各个元素上

pandas：时间对象处理

时间序列类型：

时间戳：特定时刻

固定时期：如2017年7月

时间间隔：起始时间-结束时间

Python标准库：datetime

date time datetime timedelta

dt.strftime()

strptime()

灵活处理时间对象：dateutil包

dateutil.parser.parse()

成组处理时间对象：pandas

pd.to_datetime(['2001-01-01', '2002-02-02'])

产生时间对象数组：date_range

start 开始时间

end 结束时间

periods 时间长度

freq 时间频率，默认为'D'，可选H(our),W(eek),B(usiness),S(emi-)M(onth),(min)T(es), S(econd), A(year),…

pandas：时间序列

时间序列就是以时间对象为索引的Series或DataFrame。

datetime对象作为索引时是存储在DatetimeIndex对象中的。

时间序列特殊功能：

传入“年”或“年月”作为切片方式

传入日期范围作为切片方式

丰富的函数支持：resample(), strftime(), ……

批量转换为datetime对象：to_pydatetime()

pandas：从文件读取

读取文件：从文件名、URL、文件对象中加载数据

read_csv 默认分隔符为csv

read_table 默认分隔符为\t

read_excel 读取excel文件

读取文件函数主要参数：

sep 指定分隔符，可用正则表达式如'\s+'

header=None 指定文件无列名

name 指定列名

index_col 指定某列作为索引

skip_row 指定跳过某些行

na_values 指定某些字符串表示缺失值

parse_dates 指定某些列是否被解析为日期，布尔值或列表

pandas：写入到文件

写入到文件：

to_csv

写入文件函数的主要参数：

sep

na_rep 指定缺失值转换的字符串，默认为空字符串

header=False 不输出列名一行

index=False 不输出行索引一列

cols 指定输出的列，传入列表

其他文件类型：json, XML, HTML, 数据库

pandas转换为二进制文件格式(pickle):

save

load