索引总结：量化多字段筛选与定位

索引总结：量化多字段筛选与定位

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

本节将系统讲解 Pandas 的核心索引操作技术，包括基础索引、高级索引和多级索引的使用方法。通过本节学习，您将掌握：1) 使用 loc 和 iloc 进行精确数据定位 2) 布尔索引实现条件筛选 3) MultiIndex 结构化数据操作技巧。所有知识点均配有可立即执行的代码示例，帮助您快速构建索引操作的肌肉记忆。

基础索引操作

位置索引与标签索引

import pandas as pd
import numpy as np

data = {
    '产品': ['A', 'B', 'C', 'D'],
    '销量': [120, 95, 210, 80],
    '单价': [15.5, 22.0, 9.9, 30.0]
}
df = pd.DataFrame(data, index=['Q1', 'Q2', 'Q3', 'Q4'])

print(df.iloc[1:3, 0:2])  # 获取第2-3行，第1-2列

print(df.loc['Q2':'Q4', ['产品', '单价']])  # 获取Q2-Q4行的指定列

执行结果对比：

   产品   销量
Q2  B   95
Q3  C  210

   产品    单价
Q2  B  22.0
Q3  C   9.9
Q4  D  30.0

布尔索引技巧

high_sales = df[df['销量'] > 100]

condition = (df['销量'] > 90) & (df['单价'] < 20)
filtered = df[condition]

print("高销量产品：\n", high_sales)
print("\n复合条件筛选：\n", filtered)

💡 概念小测：链式赋值警告

在对股票持仓 DataFrame portfolio_df 进行过滤修改时，如果写出类似 portfolio_df[portfolio_df['ticker']=='AAPL']['shares'] = 500 的代码，为什么通常会收到 Pandas 的 SettingWithCopyWarning 警告？

• 在 Pandas 中禁止修改任何 DataFrame 的数据。
• 发生了链式操作（Chained Indexing）。Pandas 无法确定此操作是在原始数据的视图上还是复制的副本上修改，可能导致修改失败。
• 股票代码 AAPL 已经被系统锁定，必须先执行 unlock。
• 这个操作太消耗内存，Pandas 提示需要先进行垃圾回收。

📝 选择题

💡 概念小测：链式赋值警告 在对股票持仓 DataFrame portfolio_df 进行过滤修改时，如果写出类似 portfolio_df[portfolio_df['ticker']=='AAPL']['shares'] = 500 的代码，为什么通常会收到 Pandas 的 SettingWithCopyWarning 警告？

• A. 在 Pandas 中禁止修改任何 DataFrame 的数据。
• B. 发生了链式操作（Chained Indexing）。Pandas 无法确定此操作是在原始数据的视图上还是复制的副本上修改，可能导致修改失败。
• C. 股票代码 AAPL 已经被系统锁定，必须先执行 unlock。
• D. 这个操作太消耗内存，Pandas 提示需要先进行垃圾回收。

答案：B（发生了链式操作（Chained Indexing）。Pandas 无法确定此操作是在原始数据的视图上还是复制的副本上修改，可能导致修改失败。）

高级索引技术

多级索引操作

arrays = [
    ['苹果公司', '苹果公司', '谷歌公司', '谷歌公司'],
    ['家电', '数码', '家电', '数码']
]
multi_index = pd.MultiIndex.from_arrays(arrays, names=('股票标的', '品类'))

sales_data = pd.DataFrame({
    '1月': [120, 85, 90, 110],
    '2月': [95, 88, 102, 125]
}, index=multi_index)

print(sales_data.loc['苹果公司'])  # 一级索引
print(sales_data.xs('数码', level='品类'))  # 二级索引

索引重置与设置

reset_df = sales_data.reset_index()  # 将多级索引转为列
print("重置索引后：\n", reset_df.head(2))

new_index_df = reset_df.set_index(['股票标的', '1月'])
print("\n新索引结构：\n", new_index_df.head(2))

索引优化策略

性能对比实验

big_data = pd.DataFrame(np.random.rand(1000000, 5), 
                       columns=list('ABCDE'))

%timeit big_data.loc[500000]      # 标签索引
%timeit big_data.iloc[500000]     # 位置索引
%timeit big_data[big_data['A'] > 0.8]  # 布尔索引

最佳实践原则

1. 大数据集优先使用 iloc 位置索引
2. 复杂条件查询先构建布尔掩码
3. 多级索引查询使用 xs() 方法

💡 代码填空：使用loc进行安全赋值

补全代码，使用 loc 将股票代码为 ‘AAPL’ 的持仓股数（shares）安全修改为 1000 股：

import pandas as pd

portfolio = pd.DataFrame({'ticker': ['AAPL', 'GOOG'], 'shares': [500, 200]})
portfolio.{blank}[portfolio['ticker'] == 'AAPL', 'shares'] = 1000
print(portfolio.loc[0, 'shares']) # 输出 1000

• iloc
• loc
• query

✏️ 填空题

💡 代码填空：使用loc进行安全赋值 补全代码，使用 loc 将股票代码为 ‘AAPL’ 的持仓股数（shares）安全修改为 1000 股：

import pandas as pd
portfolio = pd.DataFrame({'ticker': ['AAPL', 'GOOG'], 'shares': [500, 200]})
# 安全单步定位与赋值
portfolio.___[portfolio['ticker'] == 'AAPL', 'shares'] = 1000
print(portfolio.loc[0, 'shares']) # 输出 1000

答案：loc

本章小结

行动清单

• 使用 loc 和 iloc 分别提取某DataFrame的第3-5行和’price’列
• 创建一个包含多级索引的DataFrame，并练习xs()跨层级查询
• 对10万行以上的数据集进行索引性能测试，比较不同方法的耗时差异

「小象量化教研组」编著