相似文件
换一批
经管之家送您一份
应届毕业生专属福利!
求职就业群
感谢您参与论坛问题回答
经管之家送您两个论坛币!
+2 论坛币
引言: 邢不行的系列帖子“量化小讲堂”,通过实际案例教初学者使用python进行量化投资,了解行业研究方向,希望能对大家有帮助。 【必读文章】:《10年400倍策略分享-附视频逐行讲解代码》 《EOS期现套利,一周时间,15%无风险收益》 【历史文章汇总】:https://bbs.pinggu.org/thread-3950124-1-1.html
个人微信:xbx9585,有问题欢迎交流 量化投资中经常使用Excel,可能会被同事打
[img=1080,1080][/img]
这是邢不行第 54期量化小讲堂的分享 作者 | 方宁、邢不行
在量化研究中,使用Python处理数据之前,常常需要要先肉眼看一下数据,形成最直观的认识。 当你打开数据文件,99%的情况系统会默认帮你选择Excel打开,这是初学者最常用的表格工具,没有之一。确实在多数情况下,Excel可以很好的显示数据,也方便我们做初步的排序、筛选、作图。 但使用Excel也有一些隐藏的深坑,不注意的话很容易带来麻烦。 本文就来细数Excel的那些坑,并且提供解决方法。同时,也会推荐更适合在量化投资中,用来查看数据的工具。
[img=650,80][/img]
下面这张图就是上证指数日K线的一小段,注意看最后两列数据:
[img=444,202][/img]
Excel 列太窄的时候,会显示成“###”或省略掉小数部分
倒数第二列没有正常显示成交量数字,而是显示为“####”; 最后一列开盘价应该精确到小数点后三位,但图中只有整数部分。 这是数据的问题吗?要不要检查下数据来源重新采集数据? 答案是不需要。让我们看看文件数据本来的样子:
[img=742,188][/img]
真实csv数据的样子
我们发现原始数据跟Excel显示的很不一样,是不是感觉 Excel 吃掉了很多细节?如果我们不知道的话,很容易觉得是数据有问题,然后费劲心思重新爬了一遍,还是显示成这个样子。 但是其实数据好着呢,有问题的是Excel显示格式:你的数字太宽了,Excel忽略显示了部分内容。 这种情况也很好办:把你觉得显示不完整的列拉宽即可。
[img=216,233][/img]
[img=600,90][/img]
上文中倒数两列成交额和开盘价不是显示不完整嘛,我们手动拉宽这两列,然后成交额就显示成了下图中类似于1.2E+10这种格式:
[img=530,365][/img]
Excel 会使用科学记数法显示长数字
这和我们原始数据的中展示的仍然不一样。Excel这么显示的原因是因为当数字过大时,会默认使用科学计数法展示数字,以节省屏幕上显示的空间。 很多人不习惯用科学计数法来看数字,确实科学计数法只显示前几位有效数字,不方便我们形成对数据的直观感受。 不想看到科学计数法也很好办,分两步走: 1.把显示成科学计数法的列拉宽; 2.拉宽还不行的,选中整列,手动调整单元格格式,推荐直接设成文本。
[img=740,598][/img]
选中整列设置单元格格式
[img=580,580][/img]
推荐把单元格格式设成文本
[img=600,85][/img]
我们再来看一个日期格式的例子。 在原始数据中,日期是“年-月-日”这样的格式:
[img=610,174][/img]
原始csv数据,日期格式为 “年-月-日”
但是到了Excel里打开,日期就从“年-月-日”,变成了 “年/月/日”。
[img=604,162][/img]
用Excel查看csv文件,日期格式为“年/月/日”
这么显示是因为 Excel 会自动判断单元格的格式,一旦判断成日期的数据,就会自动转换成“年/月/日”的格式。 这个坑副作用很大:如果用Excel打开并保存了,日期的格式就会从“年-月-日”变成“年/月/日”,原本是我们常用的pandas可以直接识别的日期格式,转换之后就需要手动调用 pd.to_datetime 函数来处理。 针对这个问题,可以只用 Excel 打开,不用 Excel 保存,这样就只是看着不一样了,数据还是不变的。或者在单元格格式里设成“日期”类别里的“年-月-日”格式。
[img=600,85][/img]
有的时候,我们用Excel打开的历史数据所有中文都是乱码,遇到过的人都知道那是怎样一种绝望的体验:
[img=566,132][/img]
用Excel看某些csv文件中文是乱码
这是因为不同系统下中文的编码格式不同,unix/linux家族,包括mac、linux、ios、android系统默认使用utf8编码,windows使用的是GBK/GB2312编码。这两种编码的中文字符都是互不兼容的。 当我们使用Python读入导出数据时默认使用utf8编码,而不管是mac还是windows下的Excel都使用GBK编码,这就导致了Python导出的文件用Excel读中文会乱码的问题。
[img=640,391][/img]
不同编码问题的例子和原因
只要不使用Excel修改文件,对我们用Python量化分析就没有影响。不可避免地会干扰我们看数据:中文乱码了之后,我们就不知道每一列数据对应的是什么了,连哪列是开盘价哪列是前收盘价都不知道,很难形成对数据的直观认识。 而一旦用Excel打开发现是乱码,然后用Excel保存了之后,在Python里面读取中文也是乱码,到了这一步基本上就无药可救了。
扫码加我 拉你入群
请注明:姓名-公司-职位
以便审核进群资格,未注明则拒绝
|