以时间或日期前作为索引的金融数据，称之为金融时间序列。每日股价就是比较有代表的例子。Python处理金融时间序列的主要工具是pandas库，其中两个基础的类，DataFrame和Series
某种意义上，pandas是基于numpy构建的，在初始，要同时import两个库
import numpy as np
import pandas as pd
1. 创建dataframe对象
Init signature: pd.DataFrame(data=None, index=None, columns=None, dtype=None, copy=False)
使用字典
>>> d = {'col1': [1, 2], 'col2': [3, 4]}
>>> df = pd.DataFrame(data=d)
指定colums
df2 = pd.DataFrame(np.random.randint(low=0,high=10,size=(5, 5)),
columns=['a', 'b', 'c', 'd', 'e'])
>>> df2
a b c d e
0 2 8 8 3 4
1 4 2 9 0 9
2 1 0 7 8 0
3 5 1 7 1 3
4 6 0 2 4 2
同时指定colums和index
df1 = pd.DataFrame([10,20,30,40],\
columns=['numbers'],\
index=['a','b','c','d'])
>>> df1
numbers
a 10
b 20
c 30
d 40
2. 索引
移除了ix索引方式,支持但不推荐,建议使用iloc和loc方法
loc['columns']
按columns索引
df1.loc['c']
>>> numbers 30
Name: c, dtype: int64
iloc['index']
按index索引
df1.iloc[0]
>>> numbers 10
Name: a, dtype: int64
3. 函数调用
numpy的函数可以通用在DataFrame对象上
df1.sum()
>>> numbers 100
dtype: int64
df1.apply(lambda x:x**2) # 对每一行元素进行lambda函数运算
>>> df1
numbers
a 100
b 400
c 900
d 1600
