对于我们宽客相对重要一些，在本地实现回测和交易的宽客，需要自己清洗数据。
而证券行情数据是时间序列数据，和时间索引又分不开，下面这篇文章，帮助我们更好的使用pandas处理和日期时间相关的数据。
该文引自：http://www.mamicode.com/info-detail-1822406.html
---------------------------------------------------------------------------------------------------------------------------------------------------------------------------
前言
pandas有着强大的日期数据处理功能，本期我们来了解下pandas处理日期数据的一些基本功能，主要包括以下三个方面：
- 按日期筛选数据
- 按日期显示数据
- 按日期统计数据
运行环境为 windows系统，64位，python3.5。
1 读取并整理数据
- 首先引入pandas库
import pandas as pd - 从csv文件中读取数据
df = pd.read_csv(‘date.csv‘, header=None)
print(df.head(2))
0 1
0 2013-10-24 3
1 2013-10-25 4
- 整理数据
df.columns = [‘date‘,‘number‘]
df[‘date‘] = pd.to_datetime(df[‘date‘]) #将数据类型转换为日期类型
df = df.set_index(‘date‘) # 将date设置为index
print(df.head(2))
print(df.tail(2))
print(df.shape)
number
date
2013-10-24 3
2013-10-25 4
number
date
2017-02-14 6
2017-02-22 6
(425, 1)
- df的行数一共是425行。
查看Dataframe的数据类型
print(type(df))
print(df.index)
print(type(df.index))
<class ‘pandas.core.frame.DataFrame‘>
DatetimeIndex([‘2013-10-24‘, ‘2013-10-25‘, ‘2013-10-29‘, ‘2013-10-30‘,
‘2013-11-04‘, ‘2013-11-06‘, ‘2013-11-08‘, ‘2013-11-12‘,
‘2013-11-14‘, ‘2013-11-25‘,
...
‘2017-01-03‘, ‘2017-01-07‘, ‘2017-01-14‘, ‘2017-01-17‘,
‘2017-01-23‘, ‘2017-01-25‘, ‘2017-01-26‘, ‘2017-02-07‘,
‘2017-02-14‘, ‘2017-02-22‘],
dtype=‘datetime64[ns]‘, name=‘date‘, length=425, freq=None)
<class ‘pandas.tseries.index.DatetimeIndex‘>
构造Series类型数据
s = pd.Series(df[‘number‘], index=df.index)
print(type(s))
s.head(2)
<class ‘pandas.core.series.Series‘>
date
2013-10-24 3
2013-10-25 4
Name: number, dtype: int64
2 按日期筛选数据
按年度获取数据
print(‘---------获取2013年的数据-----------‘)
print(df[‘2013‘].head(2)) # 获取2013年的数据
print(df[‘2013‘].tail(2)) # 获取2013年的数据
---------获取2013年的数据-----------
number
date
2013-10-24 3
2013-10-25 4
number
date
2013-12-27 2
2013-12-30 2
获取2016至2017年的数据
print(‘---------获取2016至2017年的数据-----------‘)
print(df[‘2016‘:‘2017‘].head(2)) #获取2016至2017年的数据
print(df[‘2016‘:‘2017‘].tail(2)) #获取2016至2017年的数据
---------获取2016至2017年的数据-----------
number
date
2016-01-04 4
2016-01-07 6
number
date
2017-02-14 6
2017-02-22 6
获取某月的数据
print(‘---------获取某月的数据-----------‘)
print(df[‘2013-11‘]) # 获取某月的数据
---------获取某月的数据-----------
number
date
2013-11-04 1
2013-11-06 3
2013-11-08 1
2013-11-12 5
2013-11-14 2
2013-11-25 1
2013-11-29 1
获取具体某天的数据
- 请注意dataframe类型的数据，获取具体某天的数据时，跟series是有些差异的，详细情况如下述代码所示：
# 按日期筛选数据
print(‘---------获取具体某天的数据-----------‘)
# 获取具体某天的数据
print(s[‘2013-11-06‘])
# 获取具体某天的数据，用datafrme直接选取某天时会报错，而series的数据就没有问题
# print(df[‘2013-11-06‘])
#可以考虑用区间来获取某天的数据
print(df[‘2013-11-06‘:‘2013-11-06‘])
---------获取具体某天的数据-----------
3
number
date
2013-11-06 3
- dataframe的truncate函数可以获取某个时期之前或之后的数据，或者某个时间区间的数据
- 但一般建议直接用切片（slice），这样更为直观，方便
# dataframe的truncate函数可以获取某个时期之前或之后的数据，或者某个时间区间的数据
# 但一般建议直接用切片（slice），这样更为直观，方便
print(‘---------获取某个时期之前或之后的数据-----------‘)
print(‘--------after------------‘)
print(df.truncate(after = ‘2013-11‘))
print(‘--------before------------‘)
print(df.truncate(before=‘2017-02‘))
---------获取某个时期之前或之后的数据-----------
--------after------------
number
date
2013-10-24 3
2013-10-25 4
2013-10-29 2
2013-10-30 1
--------before------------
number
date
2017-02-07 8
2017-02-14 6
2017-02-22 6
3 按日期显示数据
3.1 to_period()方法
- 请注意df.index的数据类型是DatetimeIndex；
- df_peirod的数据类型是PeriodIndex
按月显示，但不统计
df_period = df.to_period(‘M‘) #按月显示，但不统计
print(type(df_period))
print(type(df_period.index))
# 请注意df.index的数据类型是DatetimeIndex；
# df_peirod的数据类型是PeriodIndex
print(df_period.head())
<class ‘pandas.core.frame.DataFrame‘>
<class ‘pandas.tseries.period.PeriodIndex‘>
number
date
2013-10 3
2013-10 4
2013-10 2
2013-10 1
2013-11 1
按季度显示，但不统计
print(df.to_period(‘Q‘).head()) #按季度显示，但不统计
number
date
2013Q4 3
2013Q4 4
2013Q4 2
2013Q4 1
2013Q4 1
按年度显示，但不统计
print(df.to_period(‘A‘).head()) #按年度显示，但不统计
number
date
2013 3
2013 4
2013 2
2013 1
2013 1
3.2 asfreq()方法
按年度频率显示
df_period.index.asfreq(‘A‘) # ‘A‘默认是‘A-DEC‘,其他如‘A-JAN‘
PeriodIndex([‘2013‘, ‘2013‘, ‘2013‘, ‘2013‘, ‘2013‘, ‘2013‘, ‘2013‘, ‘2013‘,
‘2013‘, ‘2013‘,
...
‘2017‘, ‘2017‘, ‘2017‘, ‘2017‘, ‘2017‘, ‘2017‘, ‘2017‘, ‘2017‘,
‘2017‘, ‘2017‘],
dtype=‘period[A-DEC]‘, name=‘date‘, length=425, freq=‘A-DEC‘)
df_period.index.asfreq(‘A-JAN‘) # ‘A‘默认是‘A-DEC‘,其他如‘A-JAN‘
PeriodIndex([‘2014‘, ‘2014‘, ‘2014‘, ‘2014‘, ‘2014‘, ‘2014‘, ‘2014‘, ‘2014‘,
‘2014‘, ‘2014‘,
...
‘2017‘, ‘2017‘, ‘2017‘, ‘2017‘, ‘2017‘, ‘2017‘, ‘2017‘, ‘2018‘,
‘2018‘, ‘2018‘],
dtype=‘period[A-JAN]‘, name=‘date‘, length=425, freq=‘A-JAN‘)
- 按年度频率在不同情形下的显示，可参考下图所示：
按季度频率显示
df_period.index.asfreq(‘Q‘) # ‘Q‘默认是‘Q-DEC‘,其他如“Q-SEP”，“Q-FEB”
PeriodIndex([‘2013Q4‘, ‘2013Q4‘, ‘2013Q4‘, ‘2013Q4‘, ‘2013Q4‘, ‘2013Q4‘,
‘2013Q4‘, ‘2013Q4‘, ‘2013Q4‘, ‘2013Q4‘,
...
‘2017Q1‘, ‘2017Q1‘, ‘2017Q1‘, ‘2017Q1‘, ‘2017Q1‘, ‘2017Q1‘,
‘2017Q1‘, ‘2017Q1‘, ‘2017Q1‘, ‘2017Q1‘],
dtype=‘period[Q-DEC]‘, name=‘date‘, length=425, freq=‘Q-DEC‘)
df_period.index.asfreq(‘Q-SEP‘) # 可以显示不同的季度财年，“Q-SEP”，“Q-FEB”
# df_period.index = df_period.index.asfreq(‘Q-DEC‘) # 可以显示不同的季度财年，“Q-SEP”，“Q-FEB”
# print(df_period.head())
PeriodIndex([‘2014Q1‘, ‘2014Q1‘, ‘2014Q1‘, ‘2014Q1‘, ‘2014Q1‘, ‘2014Q1‘,
‘2014Q1‘, ‘2014Q1‘, ‘2014Q1‘, ‘2014Q1‘,
...
‘2017Q2‘, ‘2017Q2‘, ‘2017Q2‘, ‘2017Q2‘, ‘2017Q2‘, ‘2017Q2‘,
‘2017Q2‘, ‘2017Q2‘, ‘2017Q2‘, ‘2017Q2‘],
dtype=‘period[Q-SEP]‘, name=‘date‘, length=425, freq=‘Q-SEP‘)
- 按季度频率在不同情形下的显示，可参考下图所示：
按月度频率显示
df_period.index.asfreq(‘M‘) # 按月份显示
PeriodIndex([‘2013-10‘, ‘2013-10‘, ‘2013-10‘, ‘2013-10‘, ‘2013-11‘, ‘2013-11‘,
‘2013-11‘, ‘2013-11‘, ‘2013-11‘, ‘2013-11‘,
...
‘2017-01‘, ‘2017-01‘, ‘2017-01‘, ‘2017-01‘, ‘2017-01‘, ‘2017-01‘,
‘2017-01‘, ‘2017-02‘, ‘2017-02‘, ‘2017-02‘],
dtype=‘period[M]‘, name=‘date‘, length=425, freq=‘M‘)
按工作日显示
- method 1
df_period.index.asfreq(‘B‘, how=‘start‘) # 按工作日期显示
PeriodIndex([‘2013-10-01‘, ‘2013-10-01‘, ‘2013-10-01‘, ‘2013-10-01‘,
‘2013-11-01‘, ‘2013-11-01‘, ‘2013-11-01‘, ‘2013-11-01‘,
‘2013-11-01‘, ‘2013-11-01‘,
...
‘2017-01-02‘, ‘2017-01-02‘, ‘2017-01-02‘, ‘2017-01-02‘,
‘2017-01-02‘, ‘2017-01-02‘, ‘2017-01-02‘, ‘2017-02-01‘,
‘2017-02-01‘, ‘2017-02-01‘],
dtype=‘period[B]‘, name=‘date‘, length=425, freq=‘B‘)
- method 2
df_period.index.asfreq(‘B‘, how=‘end‘) # 按工作日期显示
PeriodIndex([‘2013-10-31‘, ‘2013-10-31‘, ‘2013-10-31‘, ‘2013-10-31‘,
‘2013-11-29‘, ‘2013-11-29‘, ‘2013-11-29‘, ‘2013-11-29‘,
‘2013-11-29‘, ‘2013-11-29‘,
...
‘2017-01-31‘, ‘2017-01-31‘, ‘2017-01-31‘, ‘2017-01-31‘,
‘2017-01-31‘, ‘2017-01-31‘, ‘2017-01-31‘, ‘2017-02-28‘,
‘2017-02-28‘, ‘2017-02-28‘],
dtype=‘period[B]‘, name=‘date‘, length=425, freq=‘B‘)
4 按日期统计数据
4.1按日期统计数据
按周统计数据
print(df.resample(‘w‘).sum().head())
# “w”，week
number
date
2013-10-27 7.0
2013-11-03 3.0
2013-11-10 5.0
2013-11-17 7.0
2013-11-24 NaN
按月统计数据
print(df.resample(‘M‘).sum().head())
# "MS"是每个月第一天为开始日期, "M"是每个月最后一天
number
date
2013-10-31 10
2013-11-30 14
2013-12-31 27
2014-01-31 16
2014-02-28 4
按季度统计数据
print(df.resample(‘Q‘).sum().head())
# "QS"是每个季度第一天为开始日期, "Q"是每个季度最后一天
number
date
2013-12-31 51
2014-03-31 73
2014-06-30 96
2014-09-30 136
2014-12-31 148
按年统计数据
print(df.resample(‘AS‘).sum())
# "AS"是每年第一天为开始日期, "A是每年最后一天
number
date
2013-01-01 51
2014-01-01 453
2015-01-01 743
2016-01-01 1552
2017-01-01 92
- 关于日期的类型，按参考下图所示来选择合适的分期频率：
4.2 按日期统计后，按年或季度或月份显示
按年统计并显示
print(df.resample(‘AS‘).sum().to_period(‘A‘))
# 按年统计并显示
number
date
2013 51
2014 453
2015 743
2016 1552
2017 92
按季度统计并显示
print(df.resample(‘Q‘).sum().to_period(‘Q‘).head())
# 按季度统计并显示
number
date
2013Q4 51
2014Q1 73
2014Q2 96
2014Q3 136
2014Q4 148
按月度统计并显示
print(df.resample(‘M‘).sum().to_period(‘M‘).head())
# 按月度统计并显示
number
date
2013-10 10
2013-11 14
2013-12 27
2014-01 16
2014-02 4