《金融建模基础》课件第3章-结合金融时间序列演示pandas 模块编程.pptVIP

结合金融时间序列DESIGNEDWORDPRESSALLBYALONIC主讲老师王海英演示pandas模块编程目录CONTENTS3.1pandas的数据结构3.2数据框的可视化3.3数据框内部的操作3.4数据框之间的合并3.5数据框的主要统计函数3.6本章小结拓展阅读金融分析与风险管理中很重要的一项任务就是对金融时间序列进行分析，时间序列就是以时间作为索引的数据集合。然而NumPy的数组是无法满足时间序列要求的。因此，需要能够高效处理时间序列的Python第三方模块，从而弥补NumPy的短板。AQR资本管理（AQRCapitalManagement）公司于2008年4月着手开发并在2009年年底发布了pandas，该模块开发的初衷就是作为金融数据分析工具，因此pandas天然包含金融时间序列的各种“基因”。pandas一词源于面板数据（paneldata）与数据分析（dataanalysis）的结合。本章就结合金融时间序列讨论并演示pandas的基本编程。3.1pandas的数据结构1介绍pandas的序列和数据框这两类数据结构，重点讲解如何创建序列和数据框。本章导读2讨论数据框的可视化，包括绘图过程中如何显示中文字体的技巧以及函数plot的具体用法。3探讨数据框内部的操作，包括数据框的基本性质查询、索引、截取、排序和更改等内容。4讲解数据框之间的合并操作，主要涉及concat、merge和join这3个函数的具体运用。5剖析数据框的主要统计函数，包括静态统计函数以及基于移动窗口的动态统计函数。3.1pandas的数据结构pandas的数据结构可以分为两大类，一类是序列，另一类是数据框。这两者有相同之处，也存在着一定的差异。此外，大多数NumPy的函数可以直接应用于这两类数据结构的运算。本章的内容涵盖以下几个主题序列数据框点击输入标题3.1pandas的数据结构序列（series）是一个类似于一维数组的数据结构，不过它由两部分构成：第一部分是索引，也称为标签；第二部分是对应的数值。注意，这两部分的长度必须一致。创建序列可以运用Series函数，并且主要参数有两个：一是参数data，用于输入相关的数据或者变量；二是参数index，用于输入索引。3.1.1序列点击输入标题3.1pandas的数据结构数据框（dataframe）是一个类似于Excel表格的数据结构，设计的初衷就是将序列从原先的一维扩展至多维。数据框由3部分构成：第1部分是行索引，第2部分是列名，第3部分是数值。创建数据框可以运用DataFrame函数，该函数的参数主要有3个：第1个参数data是输入相关的数据或者变量，第2个参数index是输入行索引，第3个参数columns是输入列名。3.1.2数据框3.1.3外部数据的直接导入由于金融时间序列往往涉及比较多的数据，因此通常情况下不会直接输入，而是通过外部数据直接导入的方式完成。外部数据的直接导入主要分为两类，一类是通过外部文件（如Excel、CSV、TXT等格式的文件）导入Python，另一类则是借助外部金融数据终端（如Wind、同花顺等）与Python的应用程序接口（ApplicationProgramInterface，API）导入数据。点击输入标题3.1pandas的数据结构1．从外部文件导入数据点击输入标题3.1pandas的数据结构借助外部金融数据终端（如Wind、同花顺等）与Python的API导入数据时，前提是已经拥有了相应的金融数据终端账号，这里仅以同花顺的iFinD金融数据终端作为示例。用户拥有iFinD金融数据终端账号以后，登录终端并下载Python的数据API（也就是第三方模块iFinDPy）以及《同花顺数据接口用户手册-windows》，iFinDPy模块的安装可以参考该用户手册。2．从外部金融数据终端与Python的API导入数据3.1.4创建序列或数据框的时间数列在金融变量模拟过程中，比如2020年12月31日股市收盘后需要模拟出2021年每个交易日的股价走势，此时首先创建一个时间数列用于对应每日的股价数据。pandas可以通过date_range函数高效地创建一个时间数列，该函数的主要参数如右。点击输入标题3.1pandas的数据结构针对参数freq进行输入时，也可以选择不输入参数periods。通过两个具体