Pandas必备技能之“时间序列数据处理”

还有一个常用的窗口函数是expanding，每增加一行数据，窗口会相应的增大。比如，我们想计算某只股票每天的累计涨跌幅，就可以调用此函数。

df = df[['ts_code', 'pct_chg']]  # 列pct_chg单位是(%) 
 
Out[71]:  
              ts_code  pct_chg 
trade_date                     
2018-07-02  000001.SZ    -5.28 
2018-07-03  000001.SZ     0.70 
2018-07-04  000001.SZ    -0.69 
2018-07-05  000001.SZ    -0.12 
2018-07-06  000001.SZ     0.70 
2018-07-09  000001.SZ     4.27 
2018-07-10  000001.SZ    -0.55 
2018-07-11  000001.SZ    -2.23 
2018-07-12  000001.SZ     2.78 
2018-07-13  000001.SZ     0.00 
2018-07-16  000001.SZ    -1.69 
2018-07-17  000001.SZ    -0.11 
2018-07-18  000001.SZ    -0.23 

对列'pct_chg'调用窗口函数expanding，再调用.sum()方法求累计值。

df['cum_pct_chg'] = df['pct_chg'].expanding().sum() 
df 
Out[78]:  
              ts_code  pct_chg  cum_pct_chg 
trade_date                                  
2018-07-02  000001.SZ    -5.28        -5.28 
2018-07-03  000001.SZ     0.70        -4.58 
2018-07-04  000001.SZ    -0.69        -5.27 
2018-07-05  000001.SZ    -0.12        -5.39 
2018-07-06  000001.SZ     0.70        -4.69 
2018-07-09  000001.SZ     4.27        -0.42 
2018-07-10  000001.SZ    -0.55        -0.97 
2018-07-11  000001.SZ    -2.23        -3.20 
2018-07-12  000001.SZ     2.78        -0.42 
2018-07-13  000001.SZ     0.00        -0.42 
2018-07-16  000001.SZ    -1.69        -2.11 
2018-07-17  000001.SZ    -0.11        -2.22 
2018-07-18  000001.SZ    -0.23        -2.45 

04、总结

本文介绍了Pandas库中处理时间序列数据的几种常用方法。

在时间格式转换部分，介绍了两种将时间转化成日期类型的方法，分别是通过设置参数parse_dates和调用方法pd.to_datetime()。

接着，介绍了时间周期的转换，通过调用.resample()方法实现，包括降采样和升采样。

最后，介绍两个常用的窗口函数rolling和expanding。

希望大家能灵活掌握本文中提到的方法，并应用到实际工作和学习中去!

译者简介：

Little monster，北京第二外国语学院国际商务专业研一在读，目前在学习Python编程和量化投资相关知识。

（编辑：武汉站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!