量化交易系列【1】常用的Pandas数据统计及计算相关函数

1. pd.read_csv读取CSV文件,查看数据

示例中使用的‘000001.XSHE.csv’文件，以上传至csdn资源中，可直接下载

import pandas as pd
1

# 读取CSV文件
df = pd.read_csv('./000001.XSHE.csv')
1
2

# 显示前n行，默认是5
df.head(5)
1
2

# 显示后n行，默认是5
df.tail(5)
1
2

# 查看数据形状
df.shape
1
2

(1878, 7)
1

# 统计数据样本值
df.describe()
1
2

2. 统计函数：mean,max,min等

# 求均值
df['close'].mean()
1
2

12.477007454739086
1

# 求最大值
df['close'].max()
1
2

24.57
1

# 求最小值
df['close'].min()
1
2

7.15
1

# 求标准差
df['close'].std()
1
2

4.057594705064531
1

# 求中位数
df['close'].median()
1
2

11.865
1

# 求分位数,以0.25为例，表示%25分位数
df['close'].quantile(0.25)
1
2

8.8
1

3. shift函数：行移动指定位数

Pandas的shift函数可以将DataFrame移动指定的位数

df1 =df.head(5)
1

df1
1

df1['昨天的收盘价'] = df1['close'].shift(1)   # 1表示将收盘价整体下移1行
1

df1[['date','close','昨天的收盘价']]
1

4. diff函数：求两行差

# 计算今天的涨跌幅具体指 = 今天收盘价 - 昨天收盘价
df1['涨跌值'] = df1['close'].diff(1)  # 标志求下一行与上一行之差
df1[['date','close','涨跌值']]
1
2
3

5. pct_change函数：求变化比例

求两个数差值的比例, 与diff类似。但是diff求的是差值，pct_change求的是变化比例

# 求今天的涨跌幅比例 = （今天收盘价 - 昨天收盘价） / 昨天收盘价
df1['涨跌幅_百分比'] = df1['close'].pct_change()
df1[['date','close','涨跌幅_百分比']]
1
2
3

6. cum函数:累加

# 计算成交量
df1['成交量_cum'] = df1['volume'].cumsum()  #该列的累加
df1[['date','volume','成交量_cum']]
1
2
3

7. cumprod函数：累乘

# 计算涨跌幅曲线: 假设起始资金1元钱，资金的变化曲线
df1['涨跌幅变化曲线'] =(df1['涨跌幅_百分比'] + 1).cumprod()
df1[['date','close','涨跌幅_百分比','涨跌幅变化曲线']]
1
2
3

8. rank函数：用于计算排名

# 举例：按照收盘价进行排名
# pct参数如果设置为True,则表示以百分比形式排名
df1['收盘价_排名'] = df1['close'].rank(ascending=True,pct=False)
df1[['date','close','收盘价_排名']]
1
2
3
4

9. value_counts函数:统计出现次数

统计该列中每个元素出现的次数,返回Series

df['股票代码'].value_counts()
1