pandas 基础：Series、DataFrame、DatetimeIndex、选择与筛选，以及把日线重采样为周线

你将学到什么

• 什么是 Series 和 DataFrame，以及为什么 DatetimeIndex 是价格分析的骨架。
• 基于标签的 loc 与基于位置的 iloc 有何区别，以及布尔掩码如何筛选行。
• 如何用 resample 并为每一列采用正确的聚合方式，从日线构建周线或月线。
• pandas 3.0 版本改变了哪些默认行为，以及如何编写在 2.2 和 3.x 上表现一致的代码。

讲解

Series 是一维的带标签数组：一列收盘价，每个值都附带一个日期。DataFrame 是共享同一个索引的多个 Series 组成的表格：开盘价、最高价、最低价、收盘价和成交量并排排列。索引保存行标签；对于价格数据，它应当是 DatetimeIndex，这是一种专门的时间戳索引，支持按日期切片、重采样和时区处理。惯例写法：import pandas as pd。

用一个由列组成的字典和一个日期索引创建数据框：

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

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

bdate_range 只生成工作日，对交易所假期一无所知；真实数据来自文件（第 4 课）。用 df.head()、df.info()（类型和缺失值）以及 df.describe() 进行检查。df.index.dtype 必须显示 datetime64；如果显示 object，说明日期仍然是文本。

选择。df["close"] 返回一个 Series；df[["open", "close"]]（一个列表）返回一个 DataFrame。df.loc[row_labels, columns] 按标签选择：df.loc["2025-03-05":"2025-03-07", "close"] 给出这三个日期的收盘价；与 Python 列表不同，使用 loc 时切片的两端都包含在内。df.iloc[0:3] 按整数位置选择（前三行，不含终点），df.iloc[-1] 是最新的一根 K 线。

筛选。对 Series 进行比较会得到一个布尔值 Series，即掩码：up = df["close"] > df["open"]。传入掩码即可选出匹配的行：df[up]。用 &（与）、|（或）和 ~（非）组合掩码，每个条件放在各自的括号中：df[(df["close"] > df["open"]) & (df["volume"] > 1200)]。up.sum() 统计 True 值的个数，up.mean() 则是上涨日所占的比例。

添加列就是赋值：df["range"] = df["high"] - df["low"]。运算是向量化的，即一次作用于整列，这正是 pandas 速度快的原因。shift(1) 把值向下移动一行（把昨天的收盘价放到今天这一行），pct_change() 给出百分比变化；两者都会在第一行留下 NaN（not a number，非数值）。

重采样。resample 把行分组到固定的时间区间中。每一列都需要自己的规则：周开盘价是第一个日开盘价，最高价取最大值，最低价取最小值，收盘价取最后一个值，成交量取总和：

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

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

代码 "W-FRI" 用每周的星期五来标记该周。月线使用 "ME"（月末）。较早的教程写作 "M"；pandas 2.2 已弃用该别名，改用 "ME"（"QE" 和 "YE" 同理），使用新别名编写的代码在 2.2 和 3.x 上都能运行。

值得了解的 pandas 3.0 变化。写时复制（Copy-on-Write）现在是唯一的模式：筛选出的数据框是一个独立副本，因此 df[mask]["close"] = 0 永远不会修改 df；请写成 df.loc[mask, "close"] = 0。文本列的 dtype 现在是 str，而不是 object。

实例演算

假设示例：从 2025 年 3 月 3 日（星期一）到 3 月 14 日（星期五）的十根日线，价格以欧元计，没有假期。

重采样后得到两行。截至 3 月 7 日的一周：开盘价 = 第一个开盘价 = 100；最高价 = max(102, 104, 104, 105, 106) = 106；最低价 = min(99, 100, 101, 101, 103) = 99；收盘价 = 最后一个收盘价 = 105；成交量 = 1,000 + 1,200 + 900 + 1,100 + 1,500 = 5,700。截至 3 月 14 日的一周：开盘价 105，最高价 110，最低价 103，收盘价 107，成交量 = 1,300 + 1,000 + 1,400 + 1,200 + 1,600 = 6,500。

筛选：(df["close"] > df["open"]).sum() 返回 7，因为只有 3 月 5 日、10 日和 14 日收盘价低于开盘价。df.loc["2025-03-05":"2025-03-07", "close"] 返回 102、104、105。

常见错误

练习活动

使用上面的十根 K 线表格，在纸上完成：(a) 写出选择 3 月 10 日至 12 日（含两端）K 线的 pandas 表达式；(b) 说明 df.iloc[-3:]["close"].tolist() 返回什么；(c) 计算那一根月线，即 df.resample("ME").agg(rules) 会生成的结果；(d) 解释如果有人对所有列都写 df.resample("ME").last() 会出什么问题。

要点回顾

• 价格数据存放在带有 DatetimeIndex 的 DataFrame 中；在做任何事之前先检查 df.index.dtype。
• loc 按标签选择并包含切片终点；iloc 按位置选择且不包含终点。
• 用 &、| 和 ~ 组合的布尔掩码可以代替循环进行筛选，对掩码调用 .sum() 可统计匹配数。
• 对 OHLCV 重采样时使用 first/max/min/last/sum，使用 "W-FRI" 和 "ME" 别名，并在赋值时记住 pandas 3.0 的写时复制机制。

下一步

第 4 课引入真实数据：读取 CSV 文件和免费 API，理解复权价格与未复权价格，以及处理缺失值和时区。