3、Pandas基础（上）：Series与DataFrame的创建、基本属性、索引与切片、数据筛选与过滤

做量化回测，说白了就是跟数据打交道。你每天面对的是K线、成交量、各种因子……这些数据怎么存、怎么取、怎么切？Pandas就是干这个的。

我个人习惯把Pandas比作「Excel的Pro版」。它比Excel快，比Excel灵活，而且能跟Python生态无缝衔接。今天咱们先啃下最核心的两个数据结构：Series和DataFrame。

3.1 Series：一维数据的基础单元

Series是什么？你可以把它想象成一个带标签的列表。每个元素都有一个索引，就像Excel里每一行都有行号一样。

创建Series

最直接的方式是从列表创建：

import pandas as pd

# 从列表创建
s = pd.Series([1, 3, 5, 7, 9])
print(s)
# 输出：
# 0    1
# 1    3
# 2    5
# 3    7
# 4    9
# dtype: int64

看到没？左边是索引，右边是值。默认索引从0开始，但你可以自己指定：

# 指定索引
s = pd.Series([1, 3, 5, 7, 9], index=['a', 'b', 'c', 'd', 'e'])
print(s)
# a    1
# b    3
# c    5
# d    7
# e    9
# dtype: int64

基本属性

Series有几个常用属性，我列一下：

属性	说明	示例
values	返回所有值（NumPy数组）	s.values
index	返回索引对象	s.index
dtype	返回数据类型	s.dtype
size	返回元素个数	s.size
shape	返回形状元组	s.shape

print(s.values)   # [1 3 5 7 9]
print(s.index)    # Index(['a', 'b', 'c', 'd', 'e'], dtype='object')
print(s.dtype)    # int64
print(s.size)     # 5

3.2 DataFrame：二维表格的核心

DataFrame才是重头戏。量化回测里，你的K线数据、因子数据，基本都是DataFrame。它就像一张Excel表格，有行有列，每列可以有不同的数据类型。

创建DataFrame

创建方式很多，我常用的是从字典创建：

# 从字典创建
data = {
    '股票代码': ['000001', '000002', '000003'],
    '收盘价': [10.5, 22.3, 15.8],
    '成交量': [10000, 15000, 8000],
    '日期': ['2024-01-01', '2024-01-01', '2024-01-01']
}
df = pd.DataFrame(data)
print(df)
#   股票代码  收盘价   成交量          日期
# 0  000001  10.5  10000  2024-01-01
# 1  000002  22.3  15000  2024-01-01
# 2  000003  15.8   8000  2024-01-01

也可以从列表嵌套创建，不过我个人觉得字典方式更直观，列名和数据的对应关系一目了然。

基本属性

DataFrame的属性比Series多一些，常用的有：

属性	说明	示例
shape	行数和列数	df.shape → (3, 4)
columns	列名	df.columns
index	行索引	df.index
dtypes	每列的数据类型	df.dtypes
info()	数据概览（含内存使用）	df.info()
describe()	统计描述	df.describe()

print(df.shape)      # (3, 4)
print(df.columns)    # Index(['股票代码', '收盘价', '成交量', '日期'], dtype='object')
print(df.dtypes)
# 股票代码    object
# 收盘价     float64
# 成交量       int64
# 日期       object
# dtype: object

3.3 索引与切片：快速定位数据

索引和切片是高频操作。你想想看，每天面对几千只股票的数据，怎么快速找到某一只？怎么截取某段时间？

行索引与切片

DataFrame的行索引，默认是0开始的整数。你可以用类似列表的方式切片：

# 取前两行
print(df[:2])

# 取第1行到第3行（不包含第3行）
print(df[1:3])

列索引

取列更简单，用列名就行：

# 取单列，返回Series
print(df['收盘价'])

# 取多列，返回DataFrame
print(df[['股票代码', '收盘价']])

loc和iloc：精准定位

这两个是Pandas的精髓。loc用标签索引，iloc用位置索引。

# loc：基于标签
print(df.loc[0])           # 取索引为0的行
print(df.loc[0:2])         # 取索引0到2的行（包含2）
print(df.loc[0, '收盘价'])  # 取第0行，收盘价列

# iloc：基于位置
print(df.iloc[0])          # 取第0行
print(df.iloc[0:2])        # 取第0到1行（不包含2）
print(df.iloc[0, 1])       # 取第0行，第1列

3.4 数据筛选与过滤：条件为王

筛选是量化回测里最常用的操作。比如「选出所有收盘价大于20的股票」、「找出成交量异常的日期」。

布尔索引

这是最核心的筛选方式。你写一个条件，返回True/False的Series，然后用它去过滤DataFrame。

# 选出收盘价大于15的股票
condition = df['收盘价'] > 15
print(condition)
# 0    False
# 1     True
# 2     True
# Name: 收盘价, dtype: bool

# 应用条件
filtered_df = df[condition]
print(filtered_df)
#   股票代码  收盘价   成交量          日期
# 1  000002  22.3  15000  2024-01-01
# 2  000003  15.8   8000  2024-01-01

多条件筛选

多个条件用&（与）、|（或）、~（非）连接。注意每个条件要加括号。

# 收盘价大于10 且 成交量大于10000
condition = (df['收盘价'] > 10) & (df['成交量'] > 10000)
print(df[condition])
#   股票代码  收盘价   成交量          日期
# 1  000002  22.3  15000  2024-01-01

isin方法

如果你想筛选某个列的值是否在列表中，用isin很方便：

# 选出股票代码为000001或000003的行
codes = ['000001', '000003']
print(df[df['股票代码'].isin(codes)])
#   股票代码  收盘价   成交量          日期
# 0  000001  10.5  10000  2024-01-01
# 2  000003  15.8   8000  2024-01-01

query方法

我个人觉得query写起来更清爽，尤其条件复杂的时候：

# 用query筛选
print(df.query('收盘价 > 10 and 成交量 > 10000'))
#   股票代码  收盘价   成交量          日期
# 1  000002  22.3  15000  2024-01-01

嗯，到这里Pandas基础的上半部分就差不多了。Series和DataFrame的创建、属性、索引切片、筛选过滤，这些是每天都要用的基本功。你想想看，后面做回测的时候，数据清洗、因子计算、信号生成，哪一步离得开这些操作？

多练练，尤其是loc和iloc的区别，还有布尔索引的写法。刚开始可能会觉得括号多、容易乱，但用顺手了就会发现——嗯，真香。

---