Python 基金 金融数据分析 pandas预处理排序统计时间序列处理联表输出结果 分类汇总最大最小值价格

import datetime import numpy as np import pandas as pd # 读取数据 data = pd.read_csv("tfns12type1.csv") # 把date转为时间数据类型 data['rdate'] = pd.to_datetime(data['rdate']) data['fdate'] = pd.to_datetime(data['fdate']) # 按基金编号和rdate排序 data = data.sort_values(["fundno", "rdate"]) # 重置索引 data = data.reset_index() # 新增一列ndate data["ndate"] = 0 # 循环遍历所有行 for i in range(len(data.index) - 1): # 如果下一行的fundno等于本行的fundno的话 if data["fundno"][i + 1] == data["fundno"][i]: # 本行的ndate等于下一行的rdate data["ndate"][i] = data["rdate"][i + 1] # 否则 else: # 本行的ndate等于本行的rdate加180天 data["ndate"][i] = data["rdate"][i] + datetime.timedelta(days=180) # 最后一行的ndate按最后一行的rdate加180天处理 data["ndate"][len(data.index) - 1] = data["rdate"][len(data.index) - 1] + datetime.timedelta(days=180) # 输出计算结果的前20行 print(data.iloc[:20, :]) # 第二问，按rdate排序 data = data.sort_values("rdate") # 把月份从rdate里提取出来 data["rdate_month"] = data["rdate"].apply(lambda x: "-".join(str(x).split())[:7]) # 按照rdate的月份分组，每组取最大值，找到rdate和fundno max_df = data.groupby("rdate_month").max().loc[:, ["rdate", "fundno"]] # 按照rdate的月份分组，每组取最小值，找到fdate min_df = data.groupby("rdate_month").min().loc[:, "fdate"] # 把上面两个表连接起来 res_df = pd.concat([max_df, min_df], axis=1) # 按fundno排序，输出前20行 print(res_df.sort_values("fundno")[:20]) # 按rdate排序，输出前20行 print(res_df.sort_values("rdate")[:20])