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 liststart_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 几月
- 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',
end_date='2018-04-20', frequency='daily')
date_frame
另外date_frame.head()可以只显示前五行数据：
# 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',
end_date='2018-04-20', frequency='daily')
date_frame.head()
显示最后五行数据，可以使用date_frame.tail()
# 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',
end_date='2018-04-20', frequency='daily')
date_frame.tail()
选择数据
只显示开盘价（open）的数据信息，如下：
# 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',
end_date='2018-04-20', frequency='daily')
date_frame['open']
2018-04-03 5.97
2018-04-04 6.14
2018-04-09 6.24
2018-04-10 6.32
2018-04-11 6.27
2018-04-12 6.23
2018-04-13 6.23
2018-04-16 6.26
2018-04-17 6.26
2018-04-18 6.05
2018-04-19 6.06
2018-04-20 6.04
Name: open, dtype: float64
选择多个字段，如下：
# 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',
end_date='2018-04-20', frequency='daily')
date_frame[['open', 'close', 'money']] # 开盘价、收盘价、成交额
显示第四条到第六条信息
# 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',
end_date='2018-04-20', frequency='daily')
date_frame[3:6]
使用标签选取数据，语法如下：
date_frame.loc[行标签, 列标签]
# 选择a行到b行
date_frame.loc['a':'b']
# 选择open列的所有数据
date_frame.loc[:, 'open']
可以看出，第一个参数表示行标签，逗号后的第二个参数表示的是列标签，当然，如果没有第二个参数的话则选择所有列
两个参数既可以是列表，也可以是单个字符，如果两个参数都为列表，则返回的是DataFrame，否则返回Series
loc为location缩写
选择某一天的数据
# 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',
end_date='2018-04-20', frequency='daily')
date_frame.loc['2018-04-10']
open 6.320000e+00
close 6.260000e+00
high 6.330000e+00
low 6.160000e+00
volume 2.512211e+07
money 1.565214e+08
Name: 2018-04-10 00:00:00, dtype: float64
选择某一天的收盘价数据
# 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',
end_date='2018-04-20', frequency='daily')
date_frame.loc['2018-04-10', 'close']
6.2599999999999998
选择某一时间段的收盘价数据
# 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',
end_date='2018-04-20', frequency='daily')
date_frame.loc['2018-04-10':'2018-04-18', 'close']
2018-04-10 6.26
2018-04-11 6.21
2018-04-12 6.24
2018-04-13 6.11
2018-04-16 6.26
2018-04-17 6.01
2018-04-18 6.09
Name: close, dtype: float64
选择所有日期下的收盘价数据
# 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',
end_date='2018-04-20', frequency='daily')
date_frame.loc[:, 'close']
2018-04-03 6.17
2018-04-04 6.24
2018-04-09 6.33
2018-04-10 6.26
2018-04-11 6.21
2018-04-12 6.24
2018-04-13 6.11
2018-04-16 6.26
2018-04-17 6.01
2018-04-18 6.09
2018-04-19 6.08
2018-04-20 5.98
Name: close, dtype: float64
使用位置选取数据，语法如下：
df.iloc[行位置, 列位置]
# 选取第二行，第二列的值，返回的为单个值
df.iloc[1, 1]
# 选取第一行及第三行的数据（包含第三行）
df.iloc[[0, 2], :]
# 选取第一行到第三行的数据（不包含第三行）
df.iloc[0:2, :]
# 选取所有记录的第二列值，返回的为 Series
df.iloc[:, 1]
# 选取第一行数据，返回为 Series
df.iloc[0, :]
iloc 是 integer 与 location 的缩写
显示第三行第四列的值
# 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',
end_date='2018-04-20', frequency='daily')
date_frame.iloc[2,3]
6.1500000000000004
更广义的切片方式是使用.ix，它自动根据给到的索引类型判断是使用位置还是标签进行切片，语法如下：
df.ix[1,1]
df.ix['a':'b']
显示第二行的开盘价
# 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',
end_date='2018-04-20', frequency='daily')
date_frame.ix[1,'open']
6.1399999999999997
通过逻辑指针进行数据切片，语法如下：
df[逻辑条件]
df[df.one >= 2] # 单个逻辑条件
df[(df.one >=1) & (df.one < 3)] # 多个逻辑条件组合
显示收盘价大于6.25的数据信息
# 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',
end_date='2018-04-20', frequency='daily')
date_frame[date_frame.close > 6.25]
显示收盘价大于6.25并且成交量小于26000000的数据信息
# 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',
end_date='2018-04-20', frequency='daily')
date_frame[(date_frame.close > 6.25) & (date_frame.volume < 26000000)]
使用条件更改数据，如将大于6.25的数据都改为0
# 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',
end_date='2018-04-20', frequency='daily')
date_frame[(date_frame.close > 6.25)] = 0
date_frame
数据的处理
利用函数 mean()计算列的平均值
# 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',
end_date='2018-04-20', frequency='daily')
date_frame.mean()
open 6.172500e+00
close 6.165000e+00
high 6.265000e+00
low 6.075833e+00
volume 2.190368e+07
money 1.353789e+08
dtype: float64
利用函数 mean()计算行的平均值
# 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',
end_date='2018-04-20', frequency='daily')
date_frame.mean(1)
2018-04-03 38129240.208333
2018-04-04 34411055.211667
2018-04-09 35431328.273333
2018-04-10 30273916.950000
2018-04-11 16631799.603333
2018-04-12 20934324.403333
2018-04-13 20470484.040000
2018-04-16 43133625.271667
2018-04-17 27374717.911667
2018-04-18 17192562.471667
2018-04-19 16450684.143333
2018-04-20 14131525.563333
dtype: float64
可以看出，mean()如果有参数，计算的是列，如果参数是1，计算的是行
三维数组
如果要获取多只股票的数据，则返回panle对象；可以通过panle[列标, 行标, 股票代码]来获取数据
# 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', '000001.XSHE'],
start_date='2018-04-03',
end_date='2018-04-20',
frequency='daily')
date_frame
<class 'pandas.core.panel.Panel'>
Dimensions: 6 (items) x 12 (major_axis) x 2 (minor_axis)
Items axis: close to volume
Major_axis axis: 2018-04-03 00:00:00 to 2018-04-20 00:00:00
Minor_axis axis: 000009.XSHE to 000001.XSHE
对这个输出结果的解析：
- Items axis: close to volume - 列标
- Major_axis axis: 2018-04-03 00:00:00 to 2018-04-20 00:00:00 - 行标
- Minor_axis axis: 000009.XSHE to 000001.XSHE - 股票代码
显示两只股票的收盘价信息
# 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', '000001.XSHE'],
start_date='2018-04-03',
end_date='2018-04-20',
frequency='daily')
date_frame['close',:,:]
显示两只股票2018年4月16日的数据信息
# 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', '000001.XSHE'],
start_date='2018-04-03',
end_date='2018-04-20',
frequency='daily')
date_frame[:,'2018-04-16',:]
显示平安银行000001.XSHE的数据信息
# 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', '000001.XSHE'],
start_date='2018-04-03',
end_date='2018-04-20',
frequency='daily')
date_frame[:,:,'000001.XSHE']
注：本文章为个人学习笔记，参考了一些书籍与官方教程，不作任何商业用途！