介绍
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。
Series比较像列表（数组）和字典的结合体
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
pandas：Series特性
Series支持NumPy模块的特性（下标）：
从ndarray创建Series：Series(arr)
与标量运算：sr*2
两个Series运算：sr1+sr2 #index跟index运算
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
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
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
# 没有相同索引的显示NaN，缺失值是NaN
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
series缺失填充
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)
DataFrame
DataFrame是一个表格型的数据结构，含有一组有序的列。
DataFrame可以被看做是由Series组成的字典，并且共用一个索引。
创建方式：
pd.DataFrame({'one':[1,2,3,4],'two':[4,3,2,1]})
pd.DataFrame({'one':pd.Series([1,2,3],index=['a','b','c']), 'two':pd.Series([1,2,3,4],index=['b','a','c','d'])})
……
DataFrame一般导入数据来用
csv文件读取与写入：
df.read_csv('filename.csv')
df.to_csv()
DataFrame查看数据
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={'name': 'newname'})
DataFrame索引和切片
DataFrame有行索引和列索引。
通过标签获取：
df['A'] #A字段所有数据
df[['A', 'B']] #A、B字段所有数据（多字段需要再加[]）
df['A'][0] #A字段的第0行
df[0:10][['A', 'C']] #0到10行，字段A和B的数据(可以多个字段)
推荐下面的方法
df.loc[:,['A','B']]
df.loc[:,'A':'C'] #所有行，字段A和B的数据(最多俩个字段)
df.loc[0,'A'] #0行，A字段的数据
df.loc[0:10,['A','C']] #0到10行，字段A和B的数据(可以多个字段)
DataFrame索引和切片
通过位置获取：
df.iloc[3] #第三行（位置索引）
df.iloc[3,3] #第三行的第三列的值
df.iloc[0:3,4:6] #0到3行，4到6列的值
df.iloc[1:5,:] #1到5行的所有值
df.iloc[[1,2,4],[0,3]] #1、2、4行的0到3列的值
通过布尔值过滤：
df[df['A']>0] #显示A字段大于0的所有数据
df[df['A'].isin([1,3,5])] #显示A字段在[1,3,5]的所有数据
df[df<0] = 0 #？
DataFrame数据对齐与缺失数据
DataFrame对象在运算时，同样会进行数据对其，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处理缺失数据的方法：
dropna(axis=0,how='any',…) #axis：1是列，0是行；how：all全部NaN删除，any有就删除
fillna() #替换NaN
isnull() #返回布尔
notnull() #与上面相反
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
层次化索引：
层次化索引是Pandas的一项重要功能，它使我们能够在一个轴上拥有多个索引级别。
例：data=pd.Series(np.random.rand(9), index=[['a', 'a', 'a', 'b', 'b', 'b', 'c', 'c', 'c'], [1,2,3,1,2,3,1,2,3]])
pandas时间对象：
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()
第三方包：dateutil
dateutil.parser.parse()
成组处理日期：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 string or datetime-like
end 结束时间 string or datetime-like
periods 时间长度 integer or None
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
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
names 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写入数据
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
Matplotlib：绘图和可视化
Matplotlib是一个强大的Python绘图和数据可视化的工具包。
安装方法：pip install matplotlib
引用方法：import matplotlib.pyplot as plt
绘图函数：plt.plot()
绘图也可以直接使用pandas的数据：df[['ma5', 'ma10']].plot()
显示图像：plt.show()
plot函数：
线型linestyle（-,-.,--,..）
点型marker（v,^,s,*,H,+,x,D,o,…）
颜色color（b,g,r,y,k,w,…）
plot函数绘制多条曲线
标题：title
x轴：xlabel
y轴：ylabel
其他类型图像：
hist 频数直方图
Matplotlib：画布与图
画布：figure
fig = plt.figure()
图：subplot
ax1 = fig.add_subplot(2,2,1)
调节子图间距：
subplots_adjust(left, bottom, right, top, wspace, hspace)
五日均线、十日均线求金叉死叉
数据源是网上下载一段时间的股票信息
import pandas as pd import numpy as np import matplotlib.pyplot as plt df = pd.read_csv('601318.csv', index_col='date', parse_dates=['date']) df['ma5'] = np.nan df['ma10'] = np.nan # 第一步计算ma # 循环计算，速度非常慢 # for i in range(4, len(df)): # df.loc[df.index[i], 'ma5'] = df['close'][i-4:i+1].mean() # for i in range(9, len(df)): # df.loc[df.index[i], 'ma10'] = df['close'][i-9:i+1].mean() # 方案2：cumsum # close = [10, 11, 12, 13, 14, 15, 16] # close.cumsum=[10, 21, 33, 46, 60, 75, 91] # - - - # [nan,nan,nan,nan,0, 10, 21, 33, 46, 60, 75, 91] # sr = df['close'].cumsum() # df['ma5'] = (sr - sr.shift(1).fillna(0).shift(4))/5 # df['ma10'] = (sr - sr.shift(1).fillna(0).shift(9))/10 # 方案3：rolling df['ma5'] = df['close'].rolling(5).mean() df['ma10'] = df['close'].rolling(10).mean() df = df.dropna() df[['ma5', 'ma10']].plot() plt.show() # 第二部 判断金叉死叉 # 方案一 # 金叉 短期<=长期 短期>长期 # 死叉 短期>=长期 短期<长期 # sr = df['ma5'] <= df['ma10'] # # golden_cross = [] # death_cross = [] # for i in range(1, len(sr)): # # if sr.iloc[i] == True and sr.iloc[i + 1] == False: 开始想的是加1，但是索引溢出 # if sr.iloc[i - 1] == True and sr.iloc[i] == False: # golden_cross.append(sr.index[i]) # if sr.iloc[i - 1] == False and sr.iloc[i] == True: # death_cross.append(sr.index[i]) # 方案2 golden_cross = df[(df['ma5'] <= df['ma10']) & (df['ma5'] > df['ma10']).shift(1)].index death_cross = df[(df['ma5'] >= df['ma10']) & (df['ma5'] < df['ma10']).shift(1)].index