Pandas进阶修炼120题｜金融数据处理

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

data.head(3)

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
.................

data.isnull().sum()

data[data['日期'].isnull()]

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
................

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))

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

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

data['收盘价(元)'].plot()

data[['收盘价(元)','开盘价(元)']].plot()

data['涨跌幅(%)'].hist()

data['涨跌幅(%)'].hist(bins = 30)

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

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

temp

data[data['换手率(%)'].isin(['--'])]

data = data.reset_index()

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

data['换手率(%)'].plot(kind='kde')

data['收盘价(元)'].diff()

data['收盘价(元)'].pct_change()

data.set_index('日期')

data['收盘价(元)'].rolling(5).mean()

data['收盘价(元)'].rolling(5).sum()

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

data['收盘价(元)'].resample('W').max()

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

data.shift(5)

data.shift(-5)

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

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))

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()

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