《利用python进行数据分析》读书笔记--第十章 时间序列（三）

#-*- coding:utf-8 -*-
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import datetime as dt
from pandas import Series,DataFrame
from datetime import datetime
from dateutil.parser import parse
import time
from pandas.tseries.offsets import Hour,Minute,Day,MonthEnd
import pytz
#下面两个参数，一个是解析日期形式，一个是将第一列作为行名
close_px_all = pd.read_csv(‘E:\\stock_px.csv‘,parse_dates = True,index_col = 0)
print close_px_all.head(),‘\n‘
close_px = close_px_all[[‘AAPL‘,‘MSFT‘,‘XOM‘]]
close_px = close_px.resample(‘B‘,fill_method = ‘ffill‘)
print close_px.head()
#注意下面的索引方式即可
close_px[‘AAPL‘].plot()
close_px.ix[‘2009‘].plot()
close_px[‘AAPL‘].ix[‘01-2011‘:‘03-2011‘].plot()
#季度型频率的数据会用季度标记进行格式化，这种事情手工的话会很费力……（真是有道理……）
appl_q = close_px[‘AAPL‘].resample(‘Q-DEC‘,fill_method = ‘ffill‘)
appl_q.ix[‘2009‘:].plot()
#作者说交互方式右键按住日期会动态展开或收缩，实际自己做，没效果……
plt.show()
>>>
              AA  AAPL    GE    IBM   JNJ  MSFT   PEP     SPX   XOM
1990-02-01  4.98  7.86  2.87  16.79  4.27  0.51  6.04  328.79  6.12
1990-02-02  5.04  8.00  2.87  16.89  4.37  0.51  6.09  330.92  6.24
1990-02-05  5.07  8.18  2.87  17.32  4.34  0.51  6.05  331.85  6.25
1990-02-06  5.01  8.12  2.88  17.56  4.32  0.51  6.15  329.66  6.23
1990-02-07  5.04  7.77  2.91  17.93  4.38  0.51  6.17  333.75  6.33 

            AAPL  MSFT   XOM
1990-02-01  7.86  0.51  6.12
1990-02-02  8.00  0.51  6.24
1990-02-05  8.18  0.51  6.25
1990-02-06  8.12  0.51  6.23
1990-02-07  7.77  0.51  6.33
[Finished in 37.5s]