pandas-Grundlagen: Series, DataFrames, der DatetimeIndex, Auswählen und Filtern sowie Resampling von Tages- zu Wochenbalken

Was Sie lernen werden

• Was eine Series und ein DataFrame sind und warum der DatetimeIndex das Rückgrat der Kursanalyse ist.
• Den Unterschied zwischen dem beschriftungsbasierten loc und dem positionsbasierten iloc und wie boolesche Masken Zeilen filtern.
• Wie Sie mit resample und der richtigen Aggregation pro Spalte Wochen- oder Monatsbalken aus Tagesbalken bilden.
• Welche pandas-Standardeinstellungen sich in Version 3.0 geändert haben und wie Sie Code schreiben, der sich unter 2.2 und 3.x gleich verhält.

Erklärung

Eine Series ist ein eindimensionales, beschriftetes Array: eine Spalte mit Schlusskursen, bei der jedem Wert ein Datum zugeordnet ist. Ein DataFrame ist eine Tabelle aus Series, die sich einen Index teilen: Eröffnung, Hoch, Tief, Schluss und Volumen nebeneinander. Der Index enthält die Zeilenbeschriftungen; bei Kursdaten sollte er ein DatetimeIndex sein, ein spezialisierter Index aus Zeitstempeln, der Datums-Slicing, Resampling und den Umgang mit Zeitzonen ermöglicht. Konvention: import pandas as pd.

Erstellen Sie einen Frame aus einem Dictionary von Spalten und einem Datumsindex:

idx = pd.bdate_range("2025-03-03", periods=10)

df = pd.DataFrame({"open": [...], "high": [...], "low": [...], "close": [...], "volume": [...]}, index=idx)

bdate_range erzeugt nur Wochentage und kennt keine Börsenfeiertage; echte Daten kommen aus Dateien (Lektion 4). Untersuchen Sie die Daten mit df.head(), df.info() (Typen und fehlende Werte) und df.describe(). df.index.dtype muss datetime64 anzeigen; zeigt es object, sind die Datumsangaben noch Text.

Auswählen. df["close"] liefert eine Series; df[["open", "close"]] (eine Liste) liefert einen DataFrame. df.loc[row_labels, columns] wählt nach Beschriftung aus: df.loc["2025-03-05":"2025-03-07", "close"] liefert die Schlusskurse dieser drei Tage, und bei loc sind beide Enden eines Slices enthalten, anders als bei Python-Listen. df.iloc[0:3] wählt nach ganzzahliger Position aus (die ersten drei Zeilen, Ende ausgeschlossen), und df.iloc[-1] ist der jüngste Balken.

Filtern. Ein Vergleich auf einer Series erzeugt eine Series aus booleschen Werten, eine Maske: up = df["close"] > df["open"]. Übergeben Sie die Maske, werden die passenden Zeilen ausgewählt: df[up]. Kombinieren Sie Masken mit & (und), | (oder) und ~ (nicht), jede Bedingung in eigenen Klammern: df[(df["close"] > df["open"]) & (df["volume"] > 1200)]. up.sum() zählt die True-Werte, und up.mean() ist der Anteil der Tage mit Kursanstieg.

Spalten hinzufügen ist eine Zuweisung: df["range"] = df["high"] - df["low"]. Operationen sind vektorisiert, sie werden also auf ganze Spalten auf einmal angewendet, und deshalb ist pandas schnell. shift(1) verschiebt Werte um eine Zeile nach unten (der gestrige Schlusskurs in der heutigen Zeile), und pct_change() liefert prozentuale Veränderungen; beide hinterlassen NaN (not a number, „keine Zahl“) in der ersten Zeile.

Resampling. resample gruppiert Zeilen in feste Zeitintervalle. Jede Spalte braucht ihre eigene Regel: Die Wochen-Eröffnung ist die erste Tages-Eröffnung, das Hoch das Maximum, das Tief das Minimum, der Schlusskurs der letzte und das Volumen die Summe:

rules = {"open": "first", "high": "max", "low": "min", "close": "last", "volume": "sum"}

weekly = df.resample("W-FRI").agg(rules)

Der Code "W-FRI" beschriftet jede Woche mit ihrem Freitag. Monatsbalken verwenden "ME" (Monatsende). Ältere Tutorials schreiben "M"; pandas 2.2 hat diesen Alias zugunsten von "ME" als veraltet markiert (ebenso "QE" und "YE"), und Code mit den neuen Aliassen läuft sowohl unter 2.2 als auch unter 3.x.

Wissenswerte Änderungen in pandas 3.0. Copy-on-Write ist jetzt der einzige Modus: Ein gefilterter Frame ist eine unabhängige Kopie, sodass df[mask]["close"] = 0 df niemals verändert; schreiben Sie df.loc[mask, "close"] = 0. Textspalten haben jetzt den dtype str statt object.

Durchgerechnetes Beispiel

Hypothetisches Beispiel: zehn Tagesbalken von Montag, 3. März, bis Freitag, 14. März 2025, Kurse in Euro, keine Feiertage.

Das Resampling ergibt zwei Zeilen. Woche bis 7. März: Eröffnung = erste Eröffnung = 100; Hoch = max(102, 104, 104, 105, 106) = 106; Tief = min(99, 100, 101, 101, 103) = 99; Schluss = letzter Schlusskurs = 105; Volumen = 1,000 + 1,200 + 900 + 1,100 + 1,500 = 5,700. Woche bis 14. März: Eröffnung 105, Hoch 110, Tief 103, Schluss 107, Volumen = 1,300 + 1,000 + 1,400 + 1,200 + 1,600 = 6,500.

Filtern: (df["close"] > df["open"]).sum() liefert 7, weil nur der 5., 10. und 14. März unter ihrer Eröffnung schlossen. df.loc["2025-03-05":"2025-03-07", "close"] liefert 102, 104, 105.

Häufiger Fehler

Übungsaufgabe

Arbeiten Sie mit der obigen Tabelle aus zehn Balken auf Papier: (a) Schreiben Sie den pandas-Ausdruck, der die Balken vom 10. bis einschließlich 12. März auswählt; (b) geben Sie an, was df.iloc[-3:]["close"].tolist() liefert; (c) berechnen Sie den einzelnen Monatsbalken, den df.resample("ME").agg(rules) erzeugen würde; (d) erklären Sie, was schiefgeht, wenn jemand df.resample("ME").last() für alle Spalten schreibt.

Kernaussagen

• Kursdaten liegen in einem DataFrame mit DatetimeIndex; prüfen Sie df.index.dtype vor allem anderen.
• loc wählt nach Beschriftung aus und schließt das Slice-Ende ein; iloc wählt nach Position aus und schließt es aus.
• Boolesche Masken, kombiniert mit &, | und ~, ersetzen beim Filtern Schleifen, und .sum() auf einer Maske zählt die Treffer.
• Resamplen Sie OHLCV mit first/max/min/last/sum, verwenden Sie die Aliasse "W-FRI" und "ME", und denken Sie bei Zuweisungen an das Copy-on-Write von pandas 3.0.

Nächster Schritt

Lektion 4 bringt echte Daten ins Spiel: das Einlesen von CSV-Dateien und kostenlosen APIs, den Unterschied zwischen adjustierten und unadjustierten Kursen sowie den Umgang mit fehlenden Werten und Zeitzonen.