前言： fish在千聊的課已經(jīng)收尾了。 她的課備得特別好，尤其是代碼的注釋做得特別好。 是很好的學(xué)習(xí)材料，我決定從頭，重新復(fù)現(xiàn)她的可見代碼，并把作業(yè)做一遍。 扎好基礎(chǔ)，重新出發(fā)
import pandas as pd
%matplotlib inline
## stock = pd.read_csv('stock',parse_dates =True,index_col='Date')
## !! 文件名后面要加格式，才能被引用?。? 老犯這個錯誤
stock = pd.read_csv('stock.csv',parse_dates =True,index_col='Date')
stock.head()
stock.shape
(22, 5)
stock.columns
Index(['Open', 'High', 'Low', 'Close', 'Volume'], dtype='object')
stock.describe()
##!! 錯誤點(diǎn)1 少輸入了括號，為什么有些要加括號，有些不加呢？
## 錯誤點(diǎn)2 ，單詞總是打錯
stock.plot()
<matplotlib.axes._subplots.AxesSubplot at 0x21d86f6e128>
stock.Close.plot()
<matplotlib.axes._subplots.AxesSubplot at 0x21d86f8c8d0>
接下來是索引和切片
我認(rèn)為這些事第一課最有價(jià)值的地方。
print(stock.Open)
print (stock['Close'])
## @ stock.Open,意味著stock這個文件中的Open這列的數(shù)據(jù)。
Date
2017-06-01 153.17
2017-06-02 153.58
2017-06-05 154.34
2017-06-06 153.90
2017-06-07 155.02
2017-06-08 155.25
2017-06-09 155.19
2017-06-12 145.74
2017-06-13 147.16
2017-06-14 147.50
2017-06-15 143.32
2017-06-16 143.78
2017-06-19 143.66
2017-06-20 146.87
2017-06-21 145.52
2017-06-22 145.77
2017-06-23 145.13
2017-06-26 147.17
2017-06-27 145.01
2017-06-28 144.49
2017-06-29 144.71
2017-06-30 144.45
Name: Open, dtype: float64
Date
2017-06-01 153.18
2017-06-02 155.45
2017-06-05 153.93
2017-06-06 154.45
2017-06-07 155.37
2017-06-08 154.99
2017-06-09 148.98
2017-06-12 145.42
2017-06-13 146.59
2017-06-14 145.16
2017-06-15 144.29
2017-06-16 142.27
2017-06-19 146.34
2017-06-20 145.01
2017-06-21 145.87
2017-06-22 145.63
2017-06-23 146.28
2017-06-26 145.82
2017-06-27 143.73
2017-06-28 145.83
2017-06-29 143.68
2017-06-30 144.02
Name: Close, dtype: float64
## 接下來是精確索引，感覺超有用！
print(stock.Close['2017-06-01'])
print(stock['Open']['2017-06-02'])
### 確實(shí)很好用，這個功能。
153.18
153.58
stock['Close'][0]
153.18000000000001
stock[['Close']]
### 這個雙層方括號，意思是只顯示close的列
stock[['Open','Close']]
##@ 這功能真的太好用了吧。 相當(dāng)于剪切兩列數(shù)據(jù)在一起，然后拼湊成新表格，這excle中，要好多次的操作才能實(shí)現(xiàn)哦。
## 我之前還想 好好地學(xué)習(xí)excle來增進(jìn)計(jì)算技能，現(xiàn)在看來，不用了耶，直接深挖python的函數(shù)和方法，能直接省去好多環(huán)節(jié)，哈哈哈哈我愛python
.loc 的作用到底是什么呢？
有點(diǎn)不記得了，這次好好體驗(yàn)試試吧
stock.loc['2017-06-01','Close']
## @ 我嘗試把日期放在后面，發(fā)現(xiàn)不行，原理應(yīng)該是先讀取索引列，這個數(shù)據(jù)的索引列是“date”，只有先在索引列種尋找，才可以進(jìn)行下一步。
153.18000000000001
感悟：
- 直接索引，比如stock.Cloes['2017-06-01]，是從列開始找數(shù)據(jù). 是先找到close這列，然后再去找其中的時間對應(yīng)項(xiàng)。
而.loc則像是先找時間項(xiàng)。 - 這種感覺就像一個軍官，來巡視十字方隊(duì)的軍人。
- A軍官，從方隊(duì)的西北角走來，先是橫著走，去找到某個士兵
- 而B軍官（.loc），則是豎著走，去找到某個士兵。
- 那么C軍官（.iloc）呢？
慢慢摸索吧
stock.loc[:,'Close']
##@ ：冒號的意思，原本是x：y，即索引列種第x到第y之間的數(shù)據(jù)，如果只是冒號，那就表示從頭到尾全部的列。
Date
2017-06-01 153.18
2017-06-02 155.45
2017-06-05 153.93
2017-06-06 154.45
2017-06-07 155.37
2017-06-08 154.99
2017-06-09 148.98
2017-06-12 145.42
2017-06-13 146.59
2017-06-14 145.16
2017-06-15 144.29
2017-06-16 142.27
2017-06-19 146.34
2017-06-20 145.01
2017-06-21 145.87
2017-06-22 145.63
2017-06-23 146.28
2017-06-26 145.82
2017-06-27 143.73
2017-06-28 145.83
2017-06-29 143.68
2017-06-30 144.02
Name: Close, dtype: float64
stock.loc['2017-06-01':'2017-06-05','Open':'Close']
stock.loc['2017-06-01':'2017-06-05',['Close','Open']]
###@@ .loc[x，y]中的有兩個基本參數(shù)，x代表基本的索引列參數(shù)，即豎著的第一排位置，y代表橫著的位置
接下來是iloc時間啦。 我的理解iloc就是軍官直接把每個位置都編好了坐標(biāo)，不再說，第幾排的，第幾個，而是直接用數(shù)字坐標(biāo)[3，2]，大家都默認(rèn)這種規(guī)則是第三排的第二個人，不再管每排的名稱了。
stock.iloc[0,3]
153.18000000000001
那好吧，我就把iloc'索引理解為類似于經(jīng)緯度的坐標(biāo)系統(tǒng)吧。
以前我們說我現(xiàn)在的這個個地方，肯定是說“中國-四川-成都-溫江”
而，坐標(biāo)直接說‘北緯30.41.17，東經(jīng)103.51.55’ 索引列就不再那么重要了。
所以iloc是很重要的索引方式，我稱之為坐標(biāo)索引法。
它的索引是從0 開始的，0代表第一位哦 ，大哥
0:3 代表第0，第1，第2. 不包含第3哦
stock.iloc[0:3,0:4]
stock.iloc[0:4,:]
stock['f']=stock['Open']-stock['Close']
stock.head()
stock['Close'].shift(1)
###@ 我的理解這個shift（1）是把那一列往下移動一格。 他的目的是想用昨天的收盤價(jià)，減去今天的開盤價(jià)，然后來計(jì)算閉盤期間發(fā)生了什么變化
Date
2017-06-01 NaN
2017-06-02 153.18
2017-06-05 155.45
2017-06-06 153.93
2017-06-07 154.45
2017-06-08 155.37
2017-06-09 154.99
2017-06-12 148.98
2017-06-13 145.42
2017-06-14 146.59
2017-06-15 145.16
2017-06-16 144.29
2017-06-19 142.27
2017-06-20 146.34
2017-06-21 145.01
2017-06-22 145.87
2017-06-23 145.63
2017-06-26 146.28
2017-06-27 145.82
2017-06-28 143.73
2017-06-29 145.83
2017-06-30 143.68
Name: Close, dtype: float64
stock['change']=stock['Close']-stock['Close'].shift(1)
stock.head()
過濾
我的理解是這個過濾相當(dāng)于篩選功能
stock.Volume>5e7
## 原來這是一個布爾索引啊，不能夠直接顯示是哪些明細(xì)嗎？
Date
2017-06-01 False
2017-06-02 False
2017-06-05 False
2017-06-06 False
2017-06-07 False
2017-06-08 False
2017-06-09 True
2017-06-12 True
2017-06-13 False
2017-06-14 False
2017-06-15 False
2017-06-16 True
2017-06-19 False
2017-06-20 False
2017-06-21 False
2017-06-22 False
2017-06-23 False
2017-06-26 False
2017-06-27 False
2017-06-28 False
2017-06-29 False
2017-06-30 False
Name: Volume, dtype: bool
stock[stock.Volume>5e7]
###這功能也太強(qiáng)大了吧
##？？？ 不過為什么一定要先在前面加上文件名稱，才能顯示成數(shù)據(jù)呢？
布爾運(yùn)算是有規(guī)則的
- and 且
- or 或
- not 非
## stock[stock.Close>stock.Open&stock.Volume>3e7]
stock[(stock.Close>stock.Open)&(stock.Volume>3e7)]
#!!! 我在原來代碼中，沒有加括號，這實(shí)在是個失誤。 為什么呢？其實(shí)復(fù)雜運(yùn)算都是要加括號的啊
##@@這是and的關(guān)系，并且。就是要滿足兩個條件才可以的
#接下來是或者關(guān)系
stock[(stock.Open>stock.Close)|(stock.change<0)]
#第一題：2017年6月22日當(dāng)天的收盤價(jià)是多少？
stock.loc['2017-6-22','Close']
145.63
##第二題：第二題：** 成交量超過7千萬的是哪一天？
stock[stock.Volume>7e7]
#第三題：在2017年6月28日，收盤價(jià)減去開盤價(jià)是多少？
stock.loc['2017-06-28','Close']-stock.loc['2017-06-28','Open']
1.3400000000000034
#第四題： 開盤價(jià)低于144并且成交量大于5千萬那一天的收盤價(jià)是多少？
stock[(stock.Open<144)&(stock.Volume>5e7)]
stock.change.max()
4.0699999999999932
