一、初識Pandas

Pandas 是基於 NumPy 的一個非常好用的庫，它有兩種自己獨有的基本資料結構Series （一維）和 DataFrame（二維），它們讓資料操作更簡單了。雖然Pandas有著兩種資料結構，但它依然是 Python 的一個庫，所以，Python 中有的資料型別在這裡依然適用，也同樣還可以使用類自己定義資料型別。

在金融資料分析領域，Pandas更是起到了非常重要的作用，比如用於量化交易。Pandas 納入了大量庫和一些標準的資料模型，提供了高效地操作大型資料集所需的工具，對於億級的資料處理也如魚得水。

二、Pandas基本操作

1、Series的建立
Series的建立主要有三種方式：

1）通過一維陣列建立Series

import numpy as npimport pandas as pd#建立一維陣列a = np.arange(10)
print(a)
s = pd.Series(a)
print(s)

輸出如下：

2）通過字典的方式建立Series

import numpy as npimport pandas as pd#建立字典d = {'a':1,'b':2,'c':3,'d':4,'e':5}
print(d)

s = pd.Series(d)
print(s)

輸出如下：

3）通過DataFrame中的某一行或某一列建立Series

參考下面DataFrame第三種建立方式中的s = df3['one']。

2、DataFrame的建立

DataFrame的建立主要有三種方式：

1）通過二維陣列建立DataFrame

import numpy as npimport pandas as pd#建立二維陣列a = np.array(np.arange(12)).reshape(3,4)
print(a)

df1 = pd.DataFrame(a)
print(df1)

輸出如下：

2）通過字典的方式建立DataFrame

以下以兩種字典來建立資料框，一個是字典列表，一個是巢狀字典。

import numpy as npimport pandas as pd

d1 = {'a':[1,2,3,4],'b':[5
 
,6,7,8],'c':[9,10,11,12],'d':[14,14,15,16]}
print(d1)

df1 = pd.DataFrame(d1)
print(df1)

d2 = {'one':{'a':1,'b':2,'c':3,'d':4},'two':{'a':5,'b':6,'c':7,'d':8},'three':{'a':9,'b':10,'c':11,'d':12}}
print(d2)

df2 = pd.DataFrame(d2)
print(df2)

輸出如下：

3）通過DataFrame的方式建立DataFrame

我們取出2）中的df2來建立df3

df2 = pd.DataFrame(d2)print(df2)

df3 = df2[['one','two']]print(df3)

s = df3['one']print(s)

輸出如下：

三、處理股票資料

接下來，我們通過例項來學習Pandas在處理股票資料上的應用。
我們使用pandas_datareader來獲取阿里巴巴的股票資料。

1）匯入以下庫：

import pandas as pdimport pandas_datareader.data as web#繪圖使用import matplotlib.pyplot as plt#獲取時間使用import datetime

2）設定股票名稱和時間引數

name = "BABA"start = datetime.datetime(2015,1,1)end = datetime.date.today()

3）獲取股票資料

prices = web.DataReader(name, "google", start, end)

4）檢視prices的型別

print(type(prices))

列印如下：

<class 'pandas.core.frame.DataFrame'>

可以看到返回的資料型別就是DataFrame型別。

5）檢視股票的摘要資訊

print(prices.describe()

列印 如下：

             Open        High         Low       Close        Volumecount  791.000000  791.000000  792.000000  792.000000  7.920000e+02mean   106.632099  107.793186  105.355164  106.614520  1.610571e+07std     38.191772   38.539981   37.719848   38.156416  9.941683e+06min     57.300000   58.650000   57.200000   57.390000  2.457439e+06
25%     79.855000   80.945000   79.157500   79.935000  1.003487e+07
50%     91.000000   91.740000   89.925000   90.705000  1.350020e+07
75%    119.315000  120.400000  118.462500  120.205000  1.879724e+07max    204.830000  206.200000  202.800000  205.220000  9.704593e+07

再來列印最新的三條資訊

print(prices.tail(3))

              Open    High     Low   Close    VolumeDate                                                2018-02-21  189.37  193.17  188.46  188.82  22071585
2018-02-22  190.20  190.74  187.77  188.75  12282843
2018-02-23  190.18  193.40  189.95  193.29  16937275

6）繪圖

我們將阿里巴巴的股票資料按照開盤價繪圖。

plt.plot(prices.index, prices["Open"])plt.show()

從圖中我們可以看到阿里巴巴的股票一路攀升，細心點發現每年的11月都有一個高點。

四、總結

Pandas是以NumPy和Matplotlib為基礎封裝的金融資料分析的庫，對於量化交易十分有用，通過視覺化的效果能幫我們一定程度分析股市的走向。