我的pandas总结

第一个是关于使用statsmodels包提取调整后的R^2。
原来直接加在后面就行了。

def my_f2(x):
    temp_x = x['Ask Size'] - x['Bid Size']
    temp_y = x['mid quote return']
    temp_x = sm.add_constant(temp_x)
    results = sm.OLS(temp_y, temp_x).fit()
    return results.rsquared

https://www.statsmodels.org/stable/generated/statsmodels.regression.linear_model.RegressionResults.html

pands对数据框的一列按照时间进行分割的时候，好像是必须是索引。

BARC_COPY = BARC.set_index(['time'])
g1 = BARC_COPY['mid quote return'].resample('10s').std()

第一行就是将一列设置为索引，然后使用resample来设置分割，如果为5分组就是为5T。
添加链接描述

pandas的groupby可以依靠多列或者单列进行处理，但是agg好像只能对分组后的单列，因此，如果为了分组后对多列进行处理，可以使用for循环提取出每一组，然后对每一组进行处理，将处理的结果保存。

my_time = list()
val1 = list()
for name, group in BARC.groupby(BARC['time'].apply(lambda x: x.strftime("%Y-%m-%d %H:%M"))):
    my_time.append(name)
    val1.append(my_f2(group))

如果两个pd的series对象的列不对应，算出来的数值是缺失值的。
就是两个pd.series对应的索引必须一样。

pandas的索引和行变量进行转换：
添加链接描述