Pandas on 桃花岛种桃

学习 pandas [02]: 二进制操作

Sat, 23 Jan 2021 08:53:12 +0000

title: 学习 pandas [02]: 二进制操作 slug: er-jin-zhi-cao-zuo date: 2021-1-23 tags:

Pandas
Jupyter
python category: 数据分析 link: description: type: text

二进制操作

Pandas数据结构之间执行二进制操作，要注意下列两个关键点：

DataFrame与Series之间的广播机制；
计算中的缺失值处理。

加、减、乘、除、取模

DataFrame支持以下运算操作中对Series进行广播：

add()：加
sub()：减
mul()：乘
div()：除
radd()
rsub()

在以上方法使用中，通过axis参数，指定沿index或columns广播。

学习 pandas [01]: 数据结构

Sun, 27 Dec 2020 08:50:57 +0000

title: 学习 pandas [01]: 数据结构 slug: series-and-dataframe date: 2020-12-27 tags:

Pandas
Jupyter
python category: 数据分析 link: description: type: text

数据结构

pandas的数据类型主要有：

Series，类似一维数组
DataFrame，类似二维数组

Series

创建Series

`1`	`pd.Series(data, index=index)`

data：可以是字典、一维数组、标量

index：索引列表，可以理解为行标签，根据Data的类型而不同。

通过字典创建Series

1
2
3
4
5
6
7


import numpy as np
import pandas as pd

# 通过字典创建，自动采用键值作为索引，若不指定index，则顺序同字典
d = {'b': 1, 'a': 0, 'c': 2}
s = pd.Series(d)
s

b 1
a 0
c 2
dtype: int64

1
2
3
4


# 通过字典创建，自动采用键值作为索引，若指定index（包含键值），则顺序同index
# index中若含有字典中不存在的键值，则Series中对应的值为NaN
s = pd.Series(d, index=['a', 'b', 'c', 'd'])
s

a 0.0
b 1.0
c 2.0
d NaN
dtype: float64

通过一维数组创建Series

1
2
3
4
5


l = np.random.randn(6)

# 若不指定index，则自动生成数值型索引
s = pd.Series(l)
s

0 0.215224
1 0.803700
2 1.141428
3 0.526450
4 0.577533
5 1.051918
dtype: float64

1
2
3


# 若指定index，则长度必须与数组相同
s = pd.Series(l, index=['a', 'b', 'c', 'd', 'e', 'f'])
s

a 0.215224
b 0.803700
c 1.141428
d 0.526450
e 0.577533
f 1.051918
dtype: float64

通过标量值创建Series

此方法创建出的Series，每行值都相同。

利用 Python 计算基金组合指数

Fri, 13 Nov 2020 07:20:22 +0000

练习Python，计算指数基金组合对应的指数，并绘制变化趋势。

基金组合信息

基金组合中一共有 7 支基金，分别为a,b,c,d,e,f,g。创建一个 Dataframe 用来存放各支基金在组合中的份额占比以及跟踪的指数。指数代码从新浪财经查找。

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14


import pandas as pd

data1 = {'rate': [0.2097, 0.0989, 0.0966, 0.0884, 0.2174, 0.1906, 0.0984],
 'indexname': ['上证指数',
 '中证500',
 '沪深300',
 '上证指数',
 '上证指数',
 '深证金融地产行业指数',
 '上证指数'],
 'indexnum': ['sh000001', 'sh000905', 'sh000300', 'sh000001', 'sh000001', 'sz399619', 'sh000001']
 }
df1 = pd.DataFrame(data1, index=list('abcdefg'))
display(df1)

	rate	indexname	indexnum
a	0.2097	上证指数	sh000001
b	0.0989	中证500	sh000905
c	0.0966	沪深300	sh000300
d	0.0884	上证指数	sh000001
e	0.2174	上证指数	sh000001
f	0.1906	深证金融地产行业指数	sz399619
g	0.0984	上证指数	sh000001

获取各指数历史数据

利用 AkShare 获取各指数的历史数据。因为股票基金是以收盘价定价，所以只需要各指数的收盘价来合成基金组合的对应指数。