标签：过程 输出 思维 taf class air lock 交易 不能
结合自己的经验，我觉得Pandas的本质是类似于Matlab、Eviews之类的数据分析软件。只是其他的被人做成了有UI界面的软件。
从Pandas的结构来看，最核心的两个类。其他功能是围绕这两个类进行了功能上的扩展。
pandas.Series()
pandas.DataFrame()
从数据分析的全过程来看，主要的步骤如下：
数据.获取
数据.读取
数据.清洗加工
数据.统计分析
数据.结果输出
为了保持学习的趣味性，我觉得按照实际使用的过程来学习可能会更好，但是必须先要对pandas.Series和pandas.DateFrame有点基本认识。从前面的项目经验来看，最好的学习动力就是需求，而这里我的需求是对股票进行跟踪分析，去测试我的交易策略效率。
我是学金融出身，但是很多前辈告诉我，金融学的很多基础理论在实践中不能帮你赚到钱，反而是不受金融理论限制的思维模式才是量化的生存之道。对于这些经验我觉得还是要实践出真知，所以，我们不妨先测试下ETF50的套利交易到底能不能赚到钱。
一维的数据对象，类似列表，那自然就增、删、改、查等基本功能。同时，还增加很多计算需要的属性与方法。官方文档中一共列出了14个类别，100多种。
https://pandas.pydata.org/pandas-docs/stable/reference/series.html#series
我比较着急的是想要用起来，边用边学。因此，我们主要来看这个对象的结构。
Series([data, index, dtype, name, copy, …])
import pandas as pd
s = pd.Series([1,2,3,4,5,6])
二维的数据对象，类似于多层嵌套的字典，但是又比字典高级多了。官方文档一共列出了n个属性与方法。
https://pandas.pydata.org/pandas-docs/stable/reference/frame.html#dataframe
DataFrame([data])
df = pd.DataFrame(s)
标签：过程 输出 思维 taf class air lock 交易 不能
原文地址：https://www.cnblogs.com/watalo/p/13246602.html
