摘要：
3、更多示例应用 本节介绍一些其他的例子。 信号前沿分析 本小节将介绍一种简化的截面动量投资组合，并得出如何得到模型参数化网格。 阅读全文
摘要：
自2005年开始，python在金融行业中的应用越来越多，这主要得益于越来越成熟的函数库（NumPy和pandas）以及大量经验丰富的程序员。许多机构发现python不仅非常适合成为交互式的分析环境，也非常适合开发文件的系统，所需的时间也比Java或C++少得多。Python还是一种非常好的粘合层， 阅读全文
摘要：
7、时间序列绘图 pandas时间序列的绘图功能在日期格式化方面比matplotlib原生的要好。 #-*- coding:utf-8 -*- import numpy as np import pandas as pd import matplotlib.pyplot as plt import 阅读全文
摘要：
5、时期及其算数运算 时期（period）表示的是时间区间，比如数日、数月、数季、数年等。Period类所表示的就是这种数据类型，其构造函数需要用到一个字符串或整数，以及频率。 #-*- coding:utf-8 -*- import numpy as np import pandas as pd 阅读全文
摘要：
时间序列是很重要的。时间序列（time series）数据是一种重要的结构化数据格式。时间序列的意义取决于具体的应用场景，主要有以下几种： 时间戳（timestamp），特定的时刻 固定时期（period），如2015年全年 时间间隔（interval），由起始和结束时间戳表示。就是说，时期可以是时 阅读全文
摘要：
第三节中的四个示例。（ps：新开一篇是为了展现对例子的重视。） 3.1用特定于分组的值填充缺失值 对于缺失值的清理工作，可以用dropna进行删除，有时候需要进行填充（或者平滑化）。这时候用的是fillna。 #-*- encoding:utf-8 -*- import numpy as np im 阅读全文
摘要：
对数据进行分组并对各组应用一个函数，是数据分析的重要环节。数据准备好之后，通常的任务就是计算分组统计或生成透视表。groupby函数能高效处理数据，对数据进行切片、切块、摘要等操作。可以看出这跟SQL关系密切，但是可用的函数有很多。在本章中，可以学到： 根据一个或多个键（可以是函数、数组或DataF 阅读全文
摘要：
5、示例：usda食品数据库下面是一个具体的例子，书中最重要的就是例子。#-*- encoding: utf-8 -*-import numpy as npimport pandas as pdimport matplotlib.pyplot as pltfrom pandas import Ser... 阅读全文
摘要：
3、数据转换介绍完数据的重排之后，下面介绍数据的过滤、清理、以及其他转换工作。去重#-*- encoding: utf-8 -*-import numpy as npimport pandas as pdimport matplotlib.pyplot as pltfrom pandas impor... 阅读全文
摘要：
python有许多可视化工具，本书主要讲解matplotlib。matplotlib是用于创建出版质量图表的桌面绘图包（主要是2D方面）。matplotlib的目的是为了构建一个MATLAB式的绘图接口。本书中的大部分图都是用它生成的。除了图形界面显示，还可以把图片保存为pdf、svg、jpg、pn... 阅读全文