以下内容转自 数析学院,只节选了部分,有需要的同学可以直接查看原文
在金融学中遇到的最重要数据类型之一是金融时间序列,即以日期时间为索引的数据。本节主要通过几个金融环境的案例,学习使用 Python 以及 Pandas 库进行时间序列建模分析。
主要内容包括:
Pandas 库的 DataFrame、Series 对象的基本方法以及可视化功能
Pandas 中处理时间索引的方法
读取来自 Web的数据、CSV 文件、高频数据,并进行规整
使用一些指标、回归方法分析数据
- import warnings
- warnings.simplefilter('ignore')
一、pandas 基础
- import numpy as np
- import pandas as pd
- df = pd.DataFrame([10, 20, 30, 40], columns=['numbers'],
- index=['a', 'b', 'c', 'd'])
- df
- df.index # 索引值
- df.columns # 标签
- df.ix['c'] # 通过索引选择
- df.ix[['a', 'd']] # 通过多个索引名选择
- df.ix[df.index[1:3]] # 通过索引对象选择
- df.sum() # 每列求和
2、使用 DataFrame 类的第二步
- a = np.random.standard_normal((9, 4))
- a.round(6)
上内容转自 数析学院,如需完整内容可以直接查看原文