Pandas进阶修炼120题｜金融数据处理

本文为Pandas进阶修炼120题系列第三期，前两期戳第一期、第二期。今天的内容主要为Pandas处理金融(股票)数据相关操作，包含异常值处理、数据可视化、指标计算等，我们开始吧！

数据读取

题目：使用绝对路径读取本地Excel数据

难度：⭐

答案

代码语言：javascript复制

data = pd.read_excel('/Users/Desktop/600000.SH.xls')

备注

请将答案中路径替换为自己机器存储数据的绝对路径，本期相关习题与该数据有关

数据查看

题目：查看数据前三行

难度：⭐

期望结果

答案

代码语言：javascript复制

data.head(3)

缺失值处理

题目：查看每列数据缺失值情况

难度：⭐⭐

期望结果

代码语言：javascript复制

代码 1
简称 2
日期 2
前收盘价(元) 2
开盘价(元) 2
最高价(元) 2
最低价(元) 2
收盘价(元) 2
成交量(股) 2
成交金额(元) 2
.................

答案

代码语言：javascript复制

data.isnull().sum()

缺失值处理

题目：提取日期列含有空值的行

难度：⭐⭐

期望结果

答案

代码语言：javascript复制

data[data['日期'].isnull()]

缺失值处理

题目：输出每列缺失值具体行数

难度：⭐⭐⭐

期望结果

代码语言：javascript复制

列名："代码", 第[327]行位置有缺失值
列名："简称", 第[327, 328]行位置有缺失值
列名："日期", 第[327, 328]行位置有缺失值
列名："前收盘价(元)", 第[327, 328]行位置有缺失值
列名："开盘价(元)", 第[327, 328]行位置有缺失值
列名："最高价(元)", 第[327, 328]行位置有缺失值
列名："最低价(元)", 第[327, 328]行位置有缺失值
列名："收盘价(元)", 第[327, 328]行位置有缺失值
................

答案

代码语言：javascript复制

for columname in data.columns:
    if data[columname].count() != len(data):
        loc = data[columname][data[columname].isnull().values==True].index.tolist()
        print('列名："{}", 第{}行位置有缺失值'.format(columname,loc))

缺失值处理

题目：删除所有存在缺失值的行

难度：⭐⭐

答案

代码语言：javascript复制

data.dropna(axis=0, how='any', inplace=True)

备注

代码语言：javascript复制

axis：0-行操作（默认），1-列操作
how：any-只要有空值就删除（默认），all-全部为空值才删除
inplace：False-返回新的数据集（默认），True-在原数据集上操作

数据可视化

题目：绘制收盘价的折线图

难度：⭐⭐

期望结果

答案

代码语言：javascript复制

data['收盘价(元)'].plot()

数据可视化

题目：同时绘制开盘价与收盘价

难度：⭐⭐⭐

期望结果

答案

代码语言：javascript复制

data[['收盘价(元)','开盘价(元)']].plot()

备注

中文显示请自己设置，我的字体乱了

数据可视化

题目：绘制涨跌幅的直方图

难度：⭐⭐

期望结果

答案

代码语言：javascript复制

data['涨跌幅(%)'].hist()

数据可视化

题目：让直方图更细致

难度：⭐⭐

期望结果

答案

代码语言：javascript复制

data['涨跌幅(%)'].hist(bins = 30)

数据创建

题目：以data的列名创建一个dataframe

难度：⭐⭐

答案

代码语言：javascript复制

temp = pd.DataFrame(columns = data.columns.to_list())

异常值处理

题目：打印所有换手率不是数字的行

难度：⭐⭐⭐

期望结果

答案

代码语言：javascript复制

for i in range(len(data)):
    if type(data.iloc[i,13]) != float:
        temp = temp.append(data.loc[i])

temp

异常值处理

题目：打印所有换手率为--的行

难度：⭐⭐⭐

答案

代码语言：javascript复制

data[data['换手率(%)'].isin(['--'])]

备注

通过上一题我们发现换手率的异常值只有--

数据处理

题目：重置data的行号

难度：⭐

答案

代码语言：javascript复制

data = data.reset_index()

备注

有时我们修改数据会导致索引混乱

异常值处理

题目：删除所有换手率为非数字的行

难度：⭐⭐⭐

答案

代码语言：javascript复制

k =[]
for i in range(len(data)):
    if type(data.iloc[i,13]) != float:
        k.append(i)
data.drop(labels=k,inplace=True)

数据可视化

题目：绘制换手率的密度曲线

难度：⭐⭐⭐

期望结果

答案

代码语言：javascript复制

data['换手率(%)'].plot(kind='kde')

数据计算

题目：计算前一天与后一天收盘价的差值

难度：⭐⭐

答案

代码语言：javascript复制

data['收盘价(元)'].diff()

数据计算

题目：计算前一天与后一天收盘价变化率

难度：⭐⭐

答案

代码语言：javascript复制

data['收盘价(元)'].pct_change()

数据处理

题目：设置日期为索引

难度：⭐

答案

代码语言：javascript复制

data.set_index('日期')

指标计算

题目：以5个数据作为一个数据滑动窗口，在这个5个数据上取均值(收盘价)

难度：⭐⭐⭐

答案

代码语言：javascript复制

data['收盘价(元)'].rolling(5).mean()

指标计算

题目：以5个数据作为一个数据滑动窗口，计算这五个数据总和(收盘价)

难度：⭐⭐⭐

答案

代码语言：javascript复制

data['收盘价(元)'].rolling(5).sum()

数据可视化

题目：将收盘价5日均线、20日均线与原始数据绘制在同一个图上

难度：⭐⭐⭐

期望结果

答案

代码语言：javascript复制

data['收盘价(元)'].plot()
data['收盘价(元)'].rolling(5).mean().plot()
data['收盘价(元)'].rolling(20).mean().plot()

数据重采样

题目：按周为采样规则，取一周收盘价最大值

难度：⭐⭐⭐

答案

代码语言：javascript复制

data['收盘价(元)'].resample('W').max()

Python数据可视化

题目：绘制重采样数据与原始数据

难度：⭐⭐⭐

期望结果

答案

代码语言：javascript复制

data['收盘价(元)'].plot()
data['收盘价(元)'].resample('7D').max().plot()

数据处理

题目：将数据往后移动5天

难度：⭐⭐

答案

代码语言：javascript复制

data.shift(5)

数据处理

题目：将数据向前移动5天

难度：⭐⭐

答案

代码语言：javascript复制

data.shift(-5)

数据计算

题目：使用expending函数计算开盘价的移动窗口均值

难度：⭐⭐

答案

代码语言：javascript复制

data['开盘价(元)'].expanding(min_periods=1).mean()

数据可视化

题目：绘制上一题的移动均值与原始数据折线图

难度：⭐⭐⭐

期望结果

答案

代码语言：javascript复制

data[' expanding Open mean']=data['开盘价(元)'].expanding(min_periods=1).mean()
data[['开盘价(元)', 'expanding Open mean']].plot(figsize=(16, 6))

数据计算

题目：计算布林指标

难度：⭐⭐⭐⭐

答案

代码语言：javascript复制

data['former 30 days rolling Close mean']=data['收盘价(元)'].rolling(20).mean()
data['upper bound']=data['former 30 days rolling Close mean'] 2*data['收盘价(元)'].rolling(20).std()#在这里我们取20天内的标准差
data['lower bound']=data['former 30 days rolling Close mean']-2*data['收盘价(元)'].rolling(20).std()

数据可视化

题目：计算布林线并绘制

难度：⭐⭐⭐

期望结果

答案

代码语言：javascript复制

data[['收盘价(元)', 'former 30 days rolling Close mean','upper bound','lower bound' ]].plot(figsize=(16, 6))

以上就是Pandas进阶修炼120题第三期的全部内容，可以看到pandas处理金融数据非常方便，尤其在量化交易相关，比如计算完相关指标之后可以做一个简单的策略，感兴趣的读者可以深入研究。

数据可视化数据处理 html

0 人点赞