Pandas DataFrame：构建多只股票行情面板

Pandas DataFrame：构建多只股票行情面板

小象量化极客小册 · 华尔街量化分析先锋系列

Pandas 是量化交易员最核心的武器。本节你将通过 Series 和 DataFrame 深度处理时间序列行情数据，掌握 loc/iloc 定位筛选、缺失值与重复值清洗、以及最大回撤与年化波动率等核心指标统计计算。

小象量化极客小册 · 华尔街量化分析先锋系列 Pandas 是量化交易员最核心的武器。本节你将通过 Series 和 DataFrame 深度处理时间序列行情数据，掌握 loc/iloc 定位筛选、缺失值与重复值清洗、以及最大回撤与年化波动率等核心指标统计计算。

💡 核心导读

DataFrame 是 Pandas 中最核心的二维表格型数据结构，本章将深入解析其设计原理与操作技巧。通过本节学习，您将掌握：DataFrame 的底层存储机制、行列索引操作、数据类型转换等核心技能，并能够熟练使用 Pandas 进行表格数据的增删改查。重点包括：多级索引创建、向量化运算优化以及内存高效处理方法。

DataFrame 核心特性

数据结构解析

DataFrame 由以下三部分组成：

1. 数据块(Block): 按列存储的连续内存区域
2. 索引(Index): 行标签（默认RangeIndex）
3. 列标签(Columns): 列名序列

import pandas as pd
import numpy as np

data = {
    '产品': ['A101', 'B205', 'C307'],
    '库存': [120, 85, 210],
    '单价': [29.9, 45.0, 12.5]
}
df = pd.DataFrame(data, index=['仓库1', '仓库2', '仓库3'])

print("数据结构示例：")
print(df)

执行输出：

      产品  库存   单价
仓库1  A101  120  29.9
仓库2  B205   85  45.0
仓库3  C307  210  12.5

内存优化技巧

使用memory_uspe_ratio()方法检查内存占用：

print("原始内存占用：")
print(df.memory_uspe_ratio())

df['库存'] = pd.to_numeric(df['库存'], downcast='unsigned')
df['单价'] = pd.to_numeric(df['单价'], downcast='float')

print("\n优化后内存占用：")
print(df.memory_uspe_ratio())

💡 概念小测：DataFrame列访问

我们用 DataFrame 存储了 3 只股票的行情数据，列名分别为 ‘AAPL’, ‘GOOG’, ‘MSFT’。关于该 DataFrame df，以下哪种选择列的方式是错误或不安全的？

• df['AAPL']，返回 AAPL 的收盘价 Series。
• df.AAPL，当列名符合 Python 变量命名规范时可通过属性访问。
• df[0]，这能直接获取第一列 AAPL 的数据。
• df[['AAPL', 'GOOG']]，传入列表返回包含两列的子 DataFrame。

📝 选择题

💡 概念小测：DataFrame列访问 我们用 DataFrame 存储了 3 只股票的行情数据，列名分别为 ‘AAPL’, ‘GOOG’, ‘MSFT’。关于该 DataFrame df，以下哪种选择列的方式是错误或不安全的？

• A. df['AAPL']，返回 AAPL 的收盘价 Series。
• B. df.AAPL，当列名符合 Python 变量命名规范时可通过属性访问。
• C. df[0]，这能直接获取第一列 AAPL 的数据。
• D. df[['AAPL', 'GOOG']]，传入列表返回包含两列的子 DataFrame。

答案：C（df[0]，这能直接获取第一列 AAPL 的数据。）

核心操作实战

数据选择与过滤

high_value = df[df['单价'] > 30]
print("高价商品：\n", high_value)

condition = (df['库存'] > 100) & (df['单价'] < 20)
print("\n高库存低价商品：\n", df[condition])

表格变形操作

df['总价值'] = df['库存'] * df['单价']
print("添加计算列后：\n", df)

print("\n转置结果：\n", df.T)

多级索引示例

multi_df = pd.DataFrame({
    '销售额': [1200, 1800, 950, 2100],
    '成本': [800, 1200, 600, 1500]
}, index=pd.MultiIndex.from_tuples([
    ('苹果公司', '一季度'), ('苹果公司', '二季度'),
    ('谷歌公司', '一季度'), ('谷歌公司', '二季度')
], names=['股票标的', '季度']))

print("\n分层索引DataFrame：")
print(multi_df)

性能优化策略

向量化运算对比

%%timeit 
results = []
for i in range(len(df)):
    results.append(df.iloc[i]['库存'] * 1.1)

%%timeit
results = df['库存'] * 1.1

大数据集处理

chunk_iter = pd.read_csv('large_dataset.csv', chunksize=10000)
for chunk in chunk_iter:
    process(chunk)  # 自定义处理函数

💡 代码填空：获取前N行

补全代码，快速查看行情 DataFrame stock_df 的前 3 行数据以预览结构：

import pandas as pd

stock_df = pd.DataFrame({'AAPL': [150.0, 151.2, 149.8, 150.5]})
preview = stock_df.{blank}(3)
print(preview.shape[0]) # 输出 3

• tail
• head
• show

✏️ 填空题

💡 代码填空：获取前N行 补全代码，快速查看行情 DataFrame stock_df 的前 3 行数据以预览结构：

import pandas as pd
stock_df = pd.DataFrame({'AAPL': [150.0, 151.2, 149.8, 150.5]})
# 查看前 3 行
preview = stock_df.___(3)
print(preview.shape[0]) # 输出 3

答案：head

本章小结

行动清单

• 创建一个包含5万行随机数据的DataFrame，比较iterrows()与itertuples()的性能差异
• 使用pd.cut()对连续价格数据进行离散化分箱，生成新的分类列
• 对分层索引DataFrame执行交叉查询，练习xs()和query()方法的使用

「小象量化教研组」