python pandas DataFrame 简单数据清理

DataFrame的索引选项

obj[val]	选取DataFrame的单个列或一组列。在某一些特殊情况下或比较便利：布尔值数组（过滤行）、切片（行切片）、
obj.ix[val]	布尔型DataFrame的单个行或一组列
obj.ix[:,val]	选取单个列或列子集
obj.ix[val1,val2]	同时选取行和列
reindex方法	将一个或多个轴匹配到新的索引
xs方法	根据标签选取单行或单列、并返回一个Series
icol、irow方法	根据整数位置选取单列或单行、并返回一个Series
_get_value,_set_value	根据行标签或列标签选取单个值

描述和汇总统计方法

count	非NA值的数量
describe	针对Series或各DataFrame列计算的汇总
min、max	计算最小值
argmin、argmax	计算能够获得到最小值和最大值的索引位置（整数）
idxmin、idxmax	计算获得最小值和最大值的索引值
quantile	计算样本的分位数
sum	值的总和
mean	值的平均数
median	值的算数中位数（50%分位数）
mad	根据平均值计算平均绝对离差
var	样本值的方差
std	样本值的标准差
skew	样本值的偏度（三阶矩）
kurt	样本值的峰度
cumsum	样本值的累计和
cummin、cummax	样本值的累计最大值和累计最小值
cumprod	样本值的累计积
diff	计算一阶差分（对时间序列很有用）
pct_change	计算百分数变化

简单使用其中一个方法获取股票历史数据中的最高价和最低价

def tiingo_history(id):
    headers = {
            'Content-Type': 'application/json',
            'Authorization' : 'Token dff6a6f94862a7ee9aaddb4748c3fd1739ab6bf5'
            }
    #获取股票历史信息
    requestResponse = requests.get("https://api.tiingo.com/tiingo/daily/"+id+"/prices?startDate=2018-01-02&token=dff6a6f94862a7ee9aaddb4748c3fd1739ab6bf5",headers=headers)
    # {'date': '2020-04-03T00:00:00.000Z', 'close': 241.41, 'high': 245.7, 'low': 238.9741, 'open': 242.8, 'volume': 32470017, 'adjClose': 241.41, 'adjHigh': 245.7, 'adjLow': 238.9741, 'adjOpen': 242.8,'adjVolume': 32470017, 'divCash': 0.0, 'splitFactor': 1.0}
    # '2020-04-03T00:00:00.000Z', 'close': 30.78, 'high': 31.12, 'low': 30.13, 'open': 30.6, 'volume': 70059740, 'adjClose': 30.78, 'adjHigh': 31.12, 'adjLow': 30.13, 'adjOpen': 30.6, 'adjVolume': 70059740, 'divCash': 0.0, 'splitFactor': 1.0
    #日期，该日期的收盘价，最高价，最低价，开盘价，交易股票数量，资产调整后的收盘价，资产调整后的最高价，资产调整后的开最低价，资产调整后的开盘价，资产交易的股票数量，在“日期”支付的股息（请注意，“日期”将是股息的“到期日”),公司拆分、反向拆分或支付分配时用于调整价格的因素。
    # result 是list
    result = requestResponse.json()
    return result
def get_math_info(id):
    all_data=tiingo_history(id)
    data=DataFrame(all_data)
    for i in range(len(data)):
        data._set_value(i,'date',data._get_value(i,'date')[0:10])
    # print(data)
    low =data['low']
    #获取股票每日最低价中的最小值，即历史最低值
    print(id+'历史最低值:')
    print(low.min())
    #获取股票每日最高价中的最大值，即历史最高值
    high=data['high']
    print(id+'历史值最高值：')
    print(high.max())
    #将时间date这一列指定为索引，
    data.set_index(["date"], inplace=True)
    print(data)