摘要
组建方法——pd.DataFrame
用字典型数据组建——pd.DataFrame
简便地获得聚宽数据中的时间索引
dataframe 组建¶
# 首先导入pandas模块import pandas as pd
组建方法——pd.DataFrame¶
pd.DataFrame(data=None, index=None, columns=None)
data= 数据
index= 索引，即行名、行表头
columns= 列名、列表头
使用前要执行前面的import pandas as pd
# 建立一个简单的dataframe# 一个三行两列的数据d= [[1,2],[3,4],[5,6]]# 列名v=['a','b']#行名h=['c','d','e']
# 将数据d，列名v，行名h组*一个dataframedf = pd.DataFrame(data=d,index=h,columns=v)df
用字典型数据组建——pd.DataFrame¶
方法基本同上，因为字典型自带一个标签，所以就不用写列名了。例子如下：
# 建立一个简单的字典型数据dic={'a':[1,3,5],'b':[2,4,6]}dic{'a': [1, 3, 5], 'b': [2, 4, 6]}df = pd.DataFrame(data=dic,index=['c','d','e'])df
简便地获得聚宽数据中的时间索引¶
有时建立一个dataframe时，为了和平台数据保持一致，需要使用相同的时间行索引，但时间数据操作复杂，而且涉及到节假日、非交易日等问题,直接建立比较困难，这里介绍一种简单的方法，快速获得跟平台数据一致的时间索引。
原理就是直接把平台数据的时间索引拿出来。例子如下：
h=get_price('000001.XSHE',start_date='2016-02-01',end_date='2016-02-03',frequency='daily').indexhDatetimeIndex(['2016-02-01', '2016-02-02', '2016-02-03'], dtype='datetime64[ns]', freq=None, tz=None)
用获得的时间索引，组建dataframe
df = pd.DataFrame(data=dic,index=h)df
| a | b |
|---|
| 2016-02-01 | 1 | 2 |
|---|
| 2016-02-02 | 3 | 4 |
|---|
| 2016-02-03 | 5 | 6 |
|---|
