-
cmd /k E:\python\python2\python2.exe "$(FULL_CURRENT_PATH)" &PAUSE &EXIT
查看全部 -
cmd /k C:\Python27\python.exe "$(FULL_CURRENT_PATH)" & PAUSE & EXIT
查看全部 -
股票数据特殊值处理的方法:
股票数据精度处理: df_csvload=df_csvload.applymap(lambda x:'%0.2f'%x)其中'%0.2f'f表示浮点数,0.2表示保留两位小数。lambda x省去定义函数的过程,让代码更精简。applymap作用到的是dataframe中的所有数据 df_csvload.Volume = dafre_csvload.ix[:,['Volume']].apply(lambda x:'%0.0f'%x)其中apply作用到的是某一列。dafre_csvload.ix[:,['Volume']]是种切片方式。
df_csvload = df_csvloadround(2) 其中2表示保留两位小数 df_csvload.Volume = df_csvloda.Volume.astype(int)表示Valume列保留整数
print(df_csvload[df_csvload.values == 0] print(df_csvload[df_csvload.High.isin([0])] 都能筛选出0值所在的位置
df_csvload.loc[df_csvload.loc[:,'High]==0,'High']=df_csvload.High.median()表示用High这一列的中位值填充High这一列为0的值。
查看全部 -
股票数据规整化处理的方法:
股票数据内容概况查看: head():df_csvload.head(3)查看前三行 tail():df_csvload.tail(3)查看后三行 shape:df_csvload.shape查看数据有几行几列 describe():df_csvload.describe()各列数据的统计情况df_csvload.info()查看缺失的情况 df_csvload.isnull()的返回的值True代表缺失,False代表未缺失 df_csvload[df_csvload.isnull().T.any()]可以筛选出有数据缺失的行
缺失值的处理: df_csvload=df_csvload.dropna(axis=0,how='all')0代表行,1代表列,'all'代表如果该行全是缺失值则删除该行,'any'代表如果该行存在缺失值则删除该行。还有一个参数可以设置成如果该行的缺失值大于多少个时删除该行。
df_csvload=df_csvload.fiillna(method='ffill',akis=0,inplace=True),其中'ffill'表示以该列的上一个值填充,'bfill'表示以该列的下一个值填充。0表示列,1表示行。True表示改变原dataframe,False表示不改变
查看全部 -
内容是我想看的
查看全部 -
这一节的干货很多
查看全部 -
量化交易
查看全部 -
sss
查看全部 -
规整化处理
查看全部 -
import numpy as np
import pandas as pd
import pandas_datareader.data as web
import datetime
df_csvsave = web.DataReader("601233", "yahoo",datetime(2018,1,1),datetime.date.today())
查看全部 -
dataframe 赋值 ndarray
查看全部 -
help ("modules")
查看全部 -
版 本:Python 2.7
工 具:Notepad++
三方库:Numpy、Pandas
查看全部 -
series数据访问方式:
s.values
s.index
s['a']
s[['a','b']]
s[:2]
查看全部 -
量化交易过程
查看全部
举报