财经大数据分析——以Python为工具 课件第5--7章 筛选财务报表数据——应用数据筛选、合并财务报表——应用数据合并、制作数据透视表和计算行业竞争度——应用数据分组.pptx

;;索引概念：

当打开一本书，我们如何才能迅速的找到我们要找到知识点？索引（书的目录）为我们提供了便利。这类似于从庞杂的关系型数据库中找到需要的数据。

通过索引，我们可以很方便的从关系型数据库中定位数据、选择数据和筛选数据。

索引提供指向存储在表的指定列中的数据值的指针，数据库使用索引可以方便的找到特定值，然后顺指针找到包含该值的行。

DataFrame数据结构属于关系型数据对象，借助索引，我们可以实现数据的查询、切片与筛选等。;;5.1索引的基本类型

;5.1索引的基本类型;5.1索引的基本类型;5.1索引的基本类型;5.1索引的基本类型;5.1索引的基本类型;5.1索引的基本类型;5.1索引的基本类型;;5.2索引设定与获取;5.2索引设定与获取;5.2索引设定与获取;5.2索引设定与获取;5.2索引设定与获取;5.2索引设定与获取;5.2索引设定与获取;5.2索引设定与获取;5.2索引设定与获取;5.2索引设定与获取;5.2索引设定与获取;5.2索引设定与获取;;5.3Series对象的索引与切片;;5.4DataFrame对象的索引与切片;5.4DataFrame对象的索引与切片;5.4DataFrame对象的索引与切片;5.4DataFrame对象的索引与切片;5.4DataFrame对象的索引与切片;5.4DataFrame对象的索引与切片;5.4DataFrame对象的索引与切片;5.4DataFrame对象的索引与切片;;5.5应用实践;;;数据合并种类：

1.上下拼接

（纵向合并）

2.左右拼接

（横向合并）;合并后的数据：

1.交集

2.并集

3.左对齐

4.右对齐;;6.1数据拼接：concat()与append();6.1数据拼接：concat()与append();6.1数据拼接：concat()与append();6.1数据拼接：concat()与append();;6.2数据合并：merge()与join();6.2数据合并：merge()与join();6.2数据合并：merge()与join();6.2数据合并：merge()与join();;6.3combine_first()与update()填充;6.3combine_first()与update()填充;;6.4应用实践;;;;根据所给数据，根据特定标签或分类变量对整体数据进行分组，从而实现数据的高效分类计算。现实中，我们经常需要根据特定标签或字段，对整体数据进行分组处理和操作。

例如：

按照上市公司资产规模分两组，计算每组市值加权平均收益率；

按照公司是否被提起民事诉讼分为两类，并统计他们的特征；

按照班级计算学??的平均成绩等等。

;假设，我们有一个数据，由4000多家上市公司的日交易数据构成。我们想分别把每一家上市公司的未来一期（t+1）的收益率return，做一个滞后（放到t期上显示），即对数据统一向后递延一期。该如何处理？;处理流程：

1）选择每一只股票；

2）进行滞后处理

3）合并所有股票数据

数据处理方法：

1）for循环每只股票；

2）利用DataFrame分组函数高效处理;;在DataFrame中，可以通过Groupby来进行分组操作。

当调动Groupby时，它会生成一个分组对象，保存在内存里。

接着，针对这个分组对象，我们可以引用所需函数进行分组计算。

最后，再按照组别返回对应的处理结果，形成一个新的表单。

;如图所示：;7.2Groupby语法;;7.3数据聚合与计算;7.3数据聚合与计算;7.3数据聚合与计算;7.3数据聚合与计算;;7.4数据排序与排名;7.4数据排序与排名;7.4数据排序与排名;7.4数据排序与排名;;7.5数据排序与排名;7.5数据排序与排名;7.5数据排序与排名;7.5数据排序与排名;7.5数据排序与排名;;7.6应用实践