示例中使用的‘000001.XSHE.csv’文件，已上传至csdn资源中，可直接下载
import pandas as pd
# 读取CSV文件 df = pd.read_csv('./000001.XSHE.csv') df = df[:5] # 取前5行数据 df
df['code'] = '000001.XSHE' # 添加股票代码列 • 1
筛选数据
# 筛选指定股票代码数据 # 选取某一只股票 df[df['code']=='000001.XSHE'] # 选取多只股票，用isin后面接列表 df[df['code'].isin(['000001.XSHE','000002.XSHE'])]
# 筛选收盘价大于9的数据 df[df['close'] >= 9.0]
# 筛选日期在2015/1/5与2015/1/7之间的数据 df['date'] = pd.to_datetime(df['date']) #将字符串的日期转换为日期类型 df[(df.date>='2015-01-05') & (df.date<='2015-01-07')]
处理缺失值
删除空值dropna
# how='any'表示只要有一个空值该行就删掉，how='all'所有列全为空值才删掉 df.dropna(how='any') df.dropna(subset=['涨跌幅'，'MACD死叉’]，how='all') # 表示 '涨跌幅'，'MACD死叉’这两个值均为空就删除改行
补全缺失值fillna
# 将缺失值给固定值,下面是将所有缺失值补位0 df.fillna(value='0') # 通过其他列的值补充该列的缺失值，下面示例：用收盘价来补充'MACD金叉死叉'空值 df['MACD金叉死叉'].fillna(value=df['收盘价'], inplace=True) # 向上寻找最近的一个非空值来补充该位置forward fill df.fillna(method='ffill') # 向下寻找最近的一个非空值来补充该位置backward fill df.fillna(method='bfill') # 判断缺失值 df[df['涨跌幅'].notnull()] #找出'涨跌幅'不为null的数据 df[df['涨跌幅'].isnull()] #找出'涨跌幅'为null的数据
排序函数
# 重置索引，新的index为0,1,2,3... df.reset_index(inplace=True) # 按照某一列进行排序， by指按照什么进行排序 df.sort_values(by=['交易日期']，ascending=True) # # 按照多列进行排序 df.sort_values(by=['股票名称'，'交易日期'], ascending=[True, True]) #
合并操作
df1 = df.iloc[0:2] df1
df2 = df.iloc[3:5] df2
# 将df1,df2上下拼接,ignore_index=True,表示去除原有的Index,重新用0,1,2.....代替 df3 = df1.append(df2,ignore_index=True) df3
去除重复数据
df3.append(df2)
# 去除['close','open']列相同的数据，如果不写subset，表示两行所有数据均相同才会去除 # keep参数表示保留哪一行的数据：last表示最后一行，first表示第一行 df3.drop_duplicates(subset=['close','open'],keep='last',inplace=True) df3
