Pandas核心语法[1]

Pandas在量化交易中，处于核心地位。许多基于Python SDK的数据源返回的数据格式一般是pandas.DataFrame。因子分析库Alphalens、性能评估库empyrical等都依赖于Pandas。

---

这并不奇怪。因为Pandas的开发者Wes McKinney原本是资管公司AQR Capital Management的研究员。他在处理大量金融分析任务时，发现Python的现有工具（如NumPy）无法高效处理结构化数据分析，于是在2008年开始开发Pandas，并于2009年将其开源。

1.1. 基本数据结构

Pandas 的核心数据结构是 Series（类似于一维数组）和 DataFrame（矩形的数据表）数据结构。

1.2. Series

Series 由一组数据以及一组与之相关的数据标签（即索引）组成。仅由一个数组即可创建最简单的Series。Series以交互式的方法呈现，索引位于左边，值位于右边（一般会自动创建一个从 0 到 N-1 的索引，这里的 N 为数据长度）。与Numpy数组相比，我们可以通过索引的标签选取Series中的单个或一组值。还可以将其看作长度固定的有序字典，在可能使用字典的场景中，也可以使用 Series。对于许多应用而言，Series 最实用的一个功能是它在算术运算中能自动对齐索引标签。

from pandas import Series, DataFrame

1.2.1. 由数组简单创建(默认索引)

obj = Series([1, 3, 5, 7]) 
obj

---

通过 pd.Series() 直接转换 Python 列表，默认生成从 0 开始的整数索引。

1.2.2. 由字典创建(自定义索引)

字典的键自动转为索引，值转为数据：

obj = Series({"a": 4, "b": 3, "c": 2, "d": 1})
obj

---

通过to_dict的方法，Series也能转换回字典：

cprint("转换回字典：{}",obj.to_dict())

1.2.3. 自定义索引

通过 index 参数指定任意不可变对象作为索引：

obj = Series([90, 85, 92], index=["数学", "英语", "物理"], dtype="float64")
obj

1.2.4. 创建带时间戳索引的Series

生成时间序列数据：

dates = pd.date_range("20230308", periods=4)
s = Series([100, 200, 300, 400], index=dates)

---

1.2.5. 查询数组值和索引对象

可以通过Series的array和index属性获取其数组值和索引对象：

obj = Series([1, 3, 5, 7], index=["a","b","c","d"]) 
print("数组值：{}", obj.array)
print("索引对象：{}", obj.index)

与Numpy数组相比，可以通过索引的标签选取Series中的单个或一组值：

print(obj["a"])

---

obj["d"] = 6
print(obj[["a","c","d"]])

print(obj[obj>5])

print(obj * 2)

print(np.exp(obj))

---

构建Series和Pandas时，所用到的任何数组或其他标签序列都会转换为索引对象：

obj = Series(np.arange(3), index=["a","b","c"])
index = obj.index
print("index:",index)
print("index[1:]",index[1:])

# 注意Index对象是不可变的，因此用户不能对其修改
index[1]="d" # TypeError

由于Index对象的不可变性，可以使索引对象在多个数据结构之前安全共享：

labels = pd.Index(np.arange(3))
print(labels)

obj = Series([1.5,-2.5,0],index=labels)
print(obj)

下面总结一下常用的索引的方法和属性：

方法/属性	​描述	​示例
append	连接额外的索引对象，生成一个新的索引。	new_index = index1.append(index2)
diff	计算索引的差集。	diff_index = index1.diff(index2)
intersection	计算索引的交集。	common_index = index1.intersection(index2)
union	计算索引的并集。	union_index = index1.union(index2)
isin	返回一个布尔数组，表示每个值是否包含在传递的集合中。	bool_array = index.isin(['a', 'b'])
delete	删除指定位置的元素，返回新的索引。	new_index = index.delete(0)
drop	删除传递的值，返回新的索引。	new_index = index.drop('a')
insert	在指定位置插入元素，返回新的索引。	new_index = index.insert(1, 'new_value')
is_monotonic	返回 True，如果索引是单调递增或递减的。	is_monotonic = index.is_monotonic
is_unique	返回 True，如果索引没有重复的值。	is_unique = index.is_unique

---

方法/属性	​描述	​示例
unique	返回索引的唯一值数组。	unique_values = index.unique()
reindex	根据新索引重新排列数据，缺失值用 NaN 填充。	new_series = series.reindex(new_index)
reset_index	重置索引为默认整数索引，原索引变为列。	df_reset = df.reset_index()
set_index	将某一列设置为索引。	df.set_index('column_name', inplace=True)
sort_values	对索引进行排序。	sorted_index = index.sort_values()
to_series	将索引转换为 Series。	index_series = index.to_series()
values	返回索引的 NumPy 数组。	index_values = index.values
name	获取或设置索引的名称。	index_name = index.name
shape	返回索引的形状（长度）。	index_shape = index.shape
size	返回索引的长度。	index_size = index.size

以下是一个与金融量化相关的代码示例，展示了如何使用 Pandas 计算股票的移动平均线（MA）和相对强弱指数（RSI）：

import pandas as pd
import numpy as np

# 模拟股票价格数据
dates = pd.date_range("2025-01-01", periods=100)
prices = pd.Series(np.random.randint(100, 200, size=100), index=dates)

# 计算移动平均线 (MA)
ma_10 = prices.rolling(window=10).mean()
ma_20 = prices.rolling(window=20).mean()

# 计算相对强弱指数 (RSI)
delta = prices.diff()
gain = (delta.where(delta > 0, 0)).rolling(window=14).mean()
loss = (-delta.where(delta < 0, 0)).rolling(window=14).mean()
rs = gain / loss
rsi = 100 - (100 / (1 + rs))

---

# 输出结果
result = pd.DataFrame({
    "Price": prices,
    "MA_10": ma_10,
    "MA_20": ma_20,
    "RSI": rsi
})

print(result.tail())

---