Python数据分析基础

学习目标

通过本文，你将掌握：

• Pandas数据处理的核心技能
• NumPy数值计算的关键操作
• 金融数据的常见处理方法
• 数据可视化的实用技巧
• 量化分析中的数据工程实践

核心库简介

Pandas：数据处理利器

为什么用Pandas？

• 处理表格数据（股票行情、财务数据）
• 时间序列操作（K线数据、tick数据）
• 数据清洗和转换
• 统计分析和聚合

NumPy：数值计算基础

为什么用NumPy？

• 高效的数组运算
• 矩阵操作（协方差矩阵、相关性）
• 数学函数（对数收益、标准化）
• 随机数生成（蒙特卡洛模拟）

Matplotlib：数据可视化

为什么用Matplotlib？

• K线图、收益曲线
• 技术指标图表
• 回测结果可视化
• 数据分布分析

Pandas核心操作

数据结构

import pandas as pd
import numpy as np

# Series：一维数据
prices = pd.Series([100, 102, 98, 105, 103],
                   index=['2024-01-01', '2024-01-02', '2024-01-03', '2024-01-04', '2024-01-05'])
print("Series:")
print(prices)
print(f"平均价格: {prices.mean():.2f}")

# DataFrame：二维表格
data = {
    'open': [100, 102, 98, 105, 103],
    'high': [103, 105, 101, 108, 106],
    'low': [99, 101, 97, 104, 102],
    'close': [102, 98, 105, 103, 107],
    'volume': [1000, 1200, 800, 1500, 1100]
}
df = pd.DataFrame(data, index=pd.date_range('2024-01-01', periods=5))
print("\nDataFrame:")
print(df)

数据读取与写入

import pandas as pd

# 读取CSV
df = pd.read_csv('stock_data.csv',
                 index_col='date',          # 将date列设为索引
                 parse_dates=True)          # 解析日期

# 读取Excel
df = pd.read_excel('portfolio.xlsx', sheet_name='持仓')

# 从API获取数据并转为DataFrame
import yfinance as yf
data = yf.download('AAPL', start='2023-01-01', end='2023-12-31')
print(data.head())

# 保存到CSV
df.to_csv('output.csv', index=True)

# 保存到Excel
df.to_excel('output.xlsx', sheet_name='数据', index=True)

# 保存到pickle（保留数据类型）
df.to_pickle('data.pkl')
df_loaded = pd.read_pickle('data.pkl')

数据查看与选择

import pandas as pd
import yfinance as yf

# 下载示例数据
df = yf.download('AAPL', start='2023-01-01', end='2023-12-31')

# 查看前5行
print("前5行:")
print(df.head())

# 查看后5行
print("\n后5行:")
print(df.tail())

# 查看基本信息
print("\n数据信息:")
print(df.info())

# 查看统计信息
print("\n统计信息:")
print(df.describe())

# 选择单列
close_prices = df['Close']

# 选择多列
price_volume = df[['Close', 'Volume']]

# 使用loc（标签索引）
# 选择某一天的数据
day_data = df.loc['2023-06-01']

# 选择日期范围
range_data = df.loc['2023-06-01':'2023-06-30']

# 使用iloc（位置索引）
# 选择前10行
first_10 = df.iloc[:10]

# 选择特定行列
specific = df.iloc[0:5, 0:3]  # 前5行，前3列

# 布尔索引
# 找出收盘价>150的日期
high_price_days = df[df['Close'] > 150]

# 多条件过滤
filtered = df[(df['Close'] > 150) & (df['Volume'] > 50000000)]

数据计算与转换

import pandas as pd
import numpy as np

# 下载数据
df = yf.download('AAPL', start='2023-01-01', end='2023-12-31')

# ==================== 基本计算 ====================

# 计算日收益率
df['returns'] = df['Close'].pct_change()

# 计算对数收益率
df['log_returns'] = np.log(df['Close'] / df['Close'].shift(1))

# 计算价格变化
df['price_change'] = df['Close'].diff()

# 计算百分比变化
df['pct_change'] = df['Close'].pct_change() * 100

# ==================== 移动窗口计算 ====================

# 移动平均
df['MA5'] = df['Close'].rolling(window=5).mean()
df['MA20'] = df['Close'].rolling(window=20).mean()

# 移动标准差
df['volatility'] = df['returns'].rolling(window=20).std()

# 移动最大值/最小值
df['high_20d'] = df['High'].rolling(window=20).max()
df['low_20d'] = df['Low'].rolling(window=20).min()

# 移动求和
df['volume_5d'] = df['Volume'].rolling(window=5).sum()

# ==================== 累计计算 ====================

# 累计收益
df['cumulative_returns'] = (1 + df['returns']).cumprod() - 1

# 累计最大值（用于计算回撤）
df['cum_max'] = df['Close'].cummax()

# 回撤
df['drawdown'] = (df['Close'] - df['cum_max']) / df['cum_max']

# ==================== 扩展窗口计算 ====================

# 从开始到当前的平均值
df['expanding_mean'] = df['Close'].expanding().mean()

# 从开始到当前的最大值
df['expanding_max'] = df['Close'].expanding().max()

# ==================== 时间偏移 ====================

# 向后偏移（获取昨天的值）
df['prev_close'] = df['Close'].shift(1)

# 向前偏移（获取明天的值，注意避免未来函数！）
df['next_close'] = df['Close'].shift(-1)

print("计算后的数据:")
print(df[['Close', 'returns', 'MA5', 'MA20', 'drawdown']].tail(10))

数据分组与聚合

import pandas as pd
import yfinance as yf

# 下载多只股票数据
symbols = ['AAPL', 'GOOGL', 'MSFT']
data = yf.download(symbols, start='2023-01-01', end='2023-12-31')['Close']

# ==================== 分组统计 ====================

# 按月份分组
data['month'] = data.index.month
monthly_stats = data.groupby('month').agg({
    'AAPL': ['mean', 'std', 'min', 'max'],
    'GOOGL': ['mean', 'std'],
    'MSFT': ['mean', 'std']
})

print("月度统计:")
print(monthly_stats)

# ==================== 多股票分析 ====================

# 计算收益率
returns = data.pct_change()

# 计算相关性矩阵
correlation = returns.corr()
print("\n相关性矩阵:")
print(correlation)

# 计算协方差矩阵
covariance = returns.cov()
print("\n协方差矩阵:")
print(covariance)

# ==================== 时间重采样 ====================

# 日线转周线
weekly_data = data.resample('W').agg({
    'AAPL': 'last',    # 收盘价取最后一个
    'GOOGL': 'last',
    'MSFT': 'last'
})

# 日线转月线（OHLC）
df_ohlc = df['Close'].resample('M').agg(['first', 'max', 'min', 'last'])
df_ohlc.columns = ['Open', 'High', 'Low', 'Close']

print("\n月线数据:")
print(df_ohlc)

数据清洗

import pandas as pd
import numpy as np

# 创建包含缺失值的示例数据
df = pd.DataFrame({
    'date': pd.date_range('2023-01-01', periods=10),
    'price': [100, 102, np.nan, 105, 103, np.nan, 108, 110, np.nan, 115],
    'volume': [1000, 1200, 800, 0, 1500, -100, 1100, 1300, 1400, 1600]
})

print("原始数据:")
print(df)

# ==================== 处理缺失值 ====================

# 检查缺失值
print("\n缺失值统计:")
print(df.isnull().sum())

# 删除包含缺失值的行
df_dropped = df.dropna()

# 填充缺失值
df['price_filled_forward'] = df['price'].fillna(method='ffill')  # 前向填充
df['price_filled_mean'] = df['price'].fillna(df['price'].mean())  # 均值填充
df['price_interpolate'] = df['price'].interpolate()  # 线性插值

# ==================== 处理异常值 ====================

# 删除异常值（负数和零）
df_clean = df[df['volume'] > 0]

# 替换异常值
df['volume_clean'] = df['volume'].where(df['volume'] > 0, np.nan)
df['volume_clean'] = df['volume_clean'].fillna(method='ffill')

# 使用3σ原则识别异常值
mean = df['volume'].mean()
std = df['volume'].std()
df['is_outlier'] = (df['volume'] < mean - 3*std) | (df['volume'] > mean + 3*std)

print("\n清洗后的数据:")
print(df)

# ==================== 数据类型转换 ====================

# 转换为日期类型
df['date'] = pd.to_datetime(df['date'])

# 转换为数值类型
df['volume'] = pd.to_numeric(df['volume'], errors='coerce')

# 设置日期索引
df.set_index('date', inplace=True)

NumPy核心操作

数组创建与操作

import numpy as np

# ==================== 创建数组 ====================

# 从列表创建
arr1 = np.array([1, 2, 3, 4, 5])
print("一维数组:", arr1)

# 创建二维数组
arr2 = np.array([[1, 2, 3], [4, 5, 6]])
print("\n二维数组:\n", arr2)

# 创建特殊数组
zeros = np.zeros((3, 4))          # 全0
ones = np.ones((2, 3))            # 全1
identity = np.eye(3)              # 单位矩阵
random_arr = np.random.rand(3, 3)  # 随机数

# 创建序列
seq = np.arange(0, 10, 2)         # [0, 2, 4, 6, 8]
linspace = np.linspace(0, 1, 5)   # [0, 0.25, 0.5, 0.75, 1]

# ==================== 数组运算 ====================

a = np.array([1, 2, 3, 4])
b = np.array([5, 6, 7, 8])

# 基本运算
print("\n加法:", a + b)
print("减法:", a - b)
print("乘法:", a * b)
print("除法:", a / b)
print("幂运算:", a ** 2)

# 向量运算
dot_product = np.dot(a, b)        # 点积
print("点积:", dot_product)

# 矩阵运算
A = np.array([[1, 2], [3, 4]])
B = np.array([[5, 6], [7, 8]])

matrix_mult = np.matmul(A, B)     # 矩阵乘法
print("\n矩阵乘法:\n", matrix_mult)

# ==================== 统计函数 ====================

data = np.array([10, 20, 15, 25, 30, 18])

print("\n统计信息:")
print(f"均值: {np.mean(data)}")
print(f"中位数: {np.median(data)}")
print(f"标准差: {np.std(data)}")
print(f"方差: {np.var(data)}")
print(f"最大值: {np.max(data)}")
print(f"最小值: {np.min(data)}")
print(f"总和: {np.sum(data)}")

# ==================== 条件选择 ====================

arr = np.array([1, 5, 3, 8, 2, 9, 4])

# 布尔索引
greater_than_5 = arr[arr > 5]
print("\n大于5的元素:", greater_than_5)

# where条件选择
result = np.where(arr > 5, arr, 0)  # 大于5保留,否则为0
print("条件选择:", result)

金融计算实战

import numpy as np
import pandas as pd

# ==================== 收益率计算 ====================

prices = np.array([100, 102, 98, 105, 103, 108])

# 简单收益率
simple_returns = (prices[1:] - prices[:-1]) / prices[:-1]
print("简单收益率:", simple_returns)

# 对数收益率
log_returns = np.log(prices[1:] / prices[:-1])
print("对数收益率:", log_returns)

# ==================== 波动率计算 ====================

# 历史波动率（年化）
daily_volatility = np.std(log_returns)
annual_volatility = daily_volatility * np.sqrt(252)
print(f"\n年化波动率: {annual_volatility:.2%}")

# ==================== 夏普比率 ====================

risk_free_rate = 0.03  # 无风险利率3%
excess_returns = log_returns - risk_free_rate/252  # 超额收益
sharpe_ratio = np.mean(excess_returns) / np.std(excess_returns) * np.sqrt(252)
print(f"夏普比率: {sharpe_ratio:.2f}")

# ==================== 最大回撤 ====================

cumulative_returns = np.cumprod(1 + simple_returns) - 1
running_max = np.maximum.accumulate(cumulative_returns)
drawdown = (cumulative_returns - running_max) / (1 + running_max)
max_drawdown = np.min(drawdown)
print(f"最大回撤: {max_drawdown:.2%}")

# ==================== 相关性与协方差 ====================

# 两只股票的收益率
stock_a_returns = np.random.normal(0.001, 0.02, 100)
stock_b_returns = np.random.normal(0.0008, 0.015, 100)

# 相关系数
correlation = np.corrcoef(stock_a_returns, stock_b_returns)[0, 1]
print(f"\n相关系数: {correlation:.4f}")

# 协方差
covariance = np.cov(stock_a_returns, stock_b_returns)[0, 1]
print(f"协方差: {covariance:.6f}")

# ==================== 投资组合优化 ====================

# 三只股票的预期收益和协方差矩阵
expected_returns = np.array([0.12, 0.10, 0.08])  # 12%, 10%, 8%
cov_matrix = np.array([
    [0.04, 0.01, 0.02],
    [0.01, 0.03, 0.015],
    [0.02, 0.015, 0.05]
])

# 等权重组合
weights = np.array([1/3, 1/3, 1/3])

# 组合预期收益
portfolio_return = np.dot(weights, expected_returns)
print(f"\n组合预期收益: {portfolio_return:.2%}")

# 组合波动率
portfolio_variance = np.dot(weights, np.dot(cov_matrix, weights))
portfolio_volatility = np.sqrt(portfolio_variance)
print(f"组合波动率: {portfolio_volatility:.2%}")

数据可视化

基础图表

import matplotlib.pyplot as plt
import pandas as pd
import yfinance as yf

# 设置中文字体
plt.rcParams['font.sans-serif'] = ['Arial Unicode MS']
plt.rcParams['axes.unicode_minus'] = False

# 下载数据
df = yf.download('AAPL', start='2023-01-01', end='2023-12-31')

# ==================== 折线图 ====================

plt.figure(figsize=(12, 6))
plt.plot(df.index, df['Close'], label='收盘价', linewidth=2)
plt.plot(df.index, df['Close'].rolling(20).mean(), label='20日均线', linewidth=1.5)
plt.title('AAPL 股价走势', fontsize=16)
plt.xlabel('日期')
plt.ylabel('价格 ($)')
plt.legend()
plt.grid(True, alpha=0.3)
plt.tight_layout()
plt.show()

# ==================== 柱状图 ====================

plt.figure(figsize=(12, 6))
returns = df['Close'].pct_change()
plt.bar(df.index, returns, color=['g' if x > 0 else 'r' for x in returns], alpha=0.7)
plt.title('日收益率', fontsize=16)
plt.xlabel('日期')
plt.ylabel('收益率')
plt.axhline(y=0, color='black', linestyle='-', linewidth=0.5)
plt.grid(True, alpha=0.3)
plt.tight_layout()
plt.show()

# ==================== 多子图 ====================

fig, axes = plt.subplots(3, 1, figsize=(12, 10))

# 子图1：价格和均线
axes[0].plot(df.index, df['Close'], label='收盘价')
axes[0].plot(df.index, df['Close'].rolling(20).mean(), label='MA20')
axes[0].set_title('价格走势')
axes[0].legend()
axes[0].grid(True, alpha=0.3)

# 子图2：成交量
axes[1].bar(df.index, df['Volume'], alpha=0.7, color='steelblue')
axes[1].set_title('成交量')
axes[1].grid(True, alpha=0.3)

# 子图3：收益率分布
axes[2].hist(returns.dropna(), bins=50, alpha=0.7, color='green')
axes[2].set_title('收益率分布')
axes[2].set_xlabel('收益率')
axes[2].set_ylabel('频数')
axes[2].grid(True, alpha=0.3)

plt.tight_layout()
plt.show()

专业金融图表

import mplfinance as mpf
import pandas as pd
import yfinance as yf

# 下载数据
df = yf.download('AAPL', start='2023-10-01', end='2023-12-31')

# ==================== K线图 ====================

# 基础K线图
mpf.plot(df, type='candle', style='charles',
         title='AAPL K线图',
         ylabel='价格 ($)',
         volume=True,
         show_nontrading=False)

# ==================== K线图 + 均线 ====================

# 添加移动平均线
ma5 = df['Close'].rolling(5).mean()
ma20 = df['Close'].rolling(20).mean()

apds = [
    mpf.make_addplot(ma5, color='blue', width=1),
    mpf.make_addplot(ma20, color='red', width=1)
]

mpf.plot(df, type='candle', style='charles',
         addplot=apds,
         title='AAPL K线图 + 均线',
         ylabel='价格 ($)',
         volume=True,
         show_nontrading=False)

# ==================== 自定义样式 ====================

mc = mpf.make_marketcolors(
    up='red',      # 上涨K线颜色
    down='green',  # 下跌K线颜色
    edge='inherit',
    wick='inherit',
    volume='in'
)

s = mpf.make_mpf_style(marketcolors=mc, gridstyle='--', y_on_right=False)

mpf.plot(df, type='candle', style=s,
         title='自定义样式K线图',
         ylabel='价格 ($)',
         volume=True)

实战案例

案例1：构建技术指标库

"""
技术指标库
包含常用技术指标的计算函数
"""

import pandas as pd
import numpy as np


class TechnicalIndicators:
    """技术指标计算类"""

    @staticmethod
    def SMA(data, period):
        """简单移动平均"""
        return data.rolling(window=period).mean()

    @staticmethod
    def EMA(data, period):
        """指数移动平均"""
        return data.ewm(span=period, adjust=False).mean()

    @staticmethod
    def RSI(data, period=14):
        """相对强弱指标"""
        delta = data.diff()
        gain = (delta.where(delta > 0, 0)).rolling(window=period).mean()
        loss = (-delta.where(delta < 0, 0)).rolling(window=period).mean()
        rs = gain / loss
        rsi = 100 - (100 / (1 + rs))
        return rsi

    @staticmethod
    def MACD(data, fast=12, slow=26, signal=9):
        """MACD指标"""
        ema_fast = data.ewm(span=fast, adjust=False).mean()
        ema_slow = data.ewm(span=slow, adjust=False).mean()
        macd_line = ema_fast - ema_slow
        signal_line = macd_line.ewm(span=signal, adjust=False).mean()
        histogram = macd_line - signal_line

        return pd.DataFrame({
            'MACD': macd_line,
            'Signal': signal_line,
            'Histogram': histogram
        })

    @staticmethod
    def Bollinger_Bands(data, period=20, std_dev=2):
        """布林带"""
        sma = data.rolling(window=period).mean()
        std = data.rolling(window=period).std()
        upper_band = sma + (std * std_dev)
        lower_band = sma - (std * std_dev)

        return pd.DataFrame({
            'SMA': sma,
            'Upper': upper_band,
            'Lower': lower_band
        })

    @staticmethod
    def ATR(high, low, close, period=14):
        """平均真实波幅"""
        tr1 = high - low
        tr2 = abs(high - close.shift())
        tr3 = abs(low - close.shift())
        tr = pd.concat([tr1, tr2, tr3], axis=1).max(axis=1)
        atr = tr.rolling(window=period).mean()
        return atr


# 使用示例
if __name__ == '__main__':
    import yfinance as yf

    # 下载数据
    df = yf.download('AAPL', start='2023-01-01', end='2023-12-31')

    # 计算指标
    ti = TechnicalIndicators()

    df['SMA_20'] = ti.SMA(df['Close'], 20)
    df['EMA_12'] = ti.EMA(df['Close'], 12)
    df['RSI'] = ti.RSI(df['Close'])

    macd = ti.MACD(df['Close'])
    df = pd.concat([df, macd], axis=1)

    bb = ti.Bollinger_Bands(df['Close'])
    df = pd.concat([df, bb], axis=1)

    df['ATR'] = ti.ATR(df['High'], df['Low'], df['Close'])

    print(df[['Close', 'SMA_20', 'RSI', 'MACD']].tail(10))

案例2：数据管道

"""
数据管道：从下载到处理的完整流程
"""

import pandas as pd
import numpy as np
import yfinance as yf
from datetime import datetime, timedelta


class DataPipeline:
    """数据处理管道"""

    def __init__(self, symbol, start_date, end_date):
        self.symbol = symbol
        self.start_date = start_date
        self.end_date = end_date
        self.data = None

    def download(self):
        """下载数据"""
        print(f"下载 {self.symbol} 数据...")
        self.data = yf.download(self.symbol, start=self.start_date, end=self.end_date)
        print(f"下载完成！共 {len(self.data)} 条记录")
        return self

    def clean(self):
        """清洗数据"""
        print("清洗数据...")
        # 删除缺失值
        self.data = self.data.dropna()

        # 删除异常值（价格为0或负数）
        self.data = self.data[self.data['Close'] > 0]

        # 删除成交量异常小的日期（可能是非交易日）
        self.data = self.data[self.data['Volume'] > 1000]

        print(f"清洗后剩余 {len(self.data)} 条记录")
        return self

    def add_features(self):
        """添加特征"""
        print("添加特征...")

        # 收益率
        self.data['returns'] = self.data['Close'].pct_change()
        self.data['log_returns'] = np.log(self.data['Close'] / self.data['Close'].shift(1))

        # 移动平均
        for period in [5, 10, 20, 60]:
            self.data[f'MA{period}'] = self.data['Close'].rolling(period).mean()

        # 波动率
        self.data['volatility'] = self.data['returns'].rolling(20).std() * np.sqrt(252)

        # 涨跌幅
        self.data['change'] = self.data['Close'] - self.data['Open']
        self.data['change_pct'] = (self.data['Close'] - self.data['Open']) / self.data['Open'] * 100

        # 振幅
        self.data['amplitude'] = (self.data['High'] - self.data['Low']) / self.data['Low'] * 100

        # 成交额
        self.data['amount'] = self.data['Close'] * self.data['Volume']

        print(f"添加了 {len(self.data.columns) - 6} 个特征")
        return self

    def add_indicators(self):
        """添加技术指标"""
        print("添加技术指标...")

        ti = TechnicalIndicators()

        # RSI
        self.data['RSI'] = ti.RSI(self.data['Close'])

        # MACD
        macd = ti.MACD(self.data['Close'])
        self.data = pd.concat([self.data, macd], axis=1)

        # 布林带
        bb = ti.Bollinger_Bands(self.data['Close'])
        self.data = pd.concat([self.data, bb], axis=1)

        # ATR
        self.data['ATR'] = ti.ATR(self.data['High'], self.data['Low'], self.data['Close'])

        print("技术指标添加完成")
        return self

    def remove_na(self):
        """删除NA值"""
        before = len(self.data)
        self.data = self.data.dropna()
        after = len(self.data)
        print(f"删除 {before - after} 条含NA的记录")
        return self

    def save(self, filename):
        """保存数据"""
        self.data.to_csv(filename)
        print(f"数据已保存到: {filename}")
        return self

    def get_data(self):
        """获取处理后的数据"""
        return self.data


# 使用示例
if __name__ == '__main__':
    # 链式调用
    pipeline = DataPipeline('AAPL', '2023-01-01', '2023-12-31')

    data = (pipeline
            .download()
            .clean()
            .add_features()
            .add_indicators()
            .remove_na()
            .save('AAPL_processed.csv')
            .get_data())

    print("\n最终数据:")
    print(data[['Close', 'returns', 'MA20', 'RSI', 'MACD']].tail())

常见问题

Q1: SettingWithCopyWarning警告

问题：

df[df['Close'] > 100]['returns'] = df['Close'].pct_change()
# SettingWithCopyWarning

解决：

# 方法1：使用loc
df.loc[df['Close'] > 100, 'returns'] = df['Close'].pct_change()

# 方法2：使用copy()
df_filtered = df[df['Close'] > 100].copy()
df_filtered['returns'] = df_filtered['Close'].pct_change()

Q2: 处理多索引DataFrame

问题：

# yfinance下载多股票返回多索引
data = yf.download(['AAPL', 'GOOGL'], start='2023-01-01')
# 列是MultiIndex: (Close, AAPL), (Close, GOOGL), ...

解决：

# 只保留Close列
close_prices = data['Close']

# 或者展平多索引
data.columns = ['_'.join(col).strip() for col in data.columns.values]

Q3: 内存占用过大

问题： 处理大量数据时内存不足

解决：

# 1. 使用合适的数据类型
df['volume'] = df['volume'].astype('int32')  # 从int64降到int32
df['price'] = df['price'].astype('float32')  # 从float64降到float32

# 2. 分块处理
for chunk in pd.read_csv('large_file.csv', chunksize=10000):
    process(chunk)

# 3. 只读需要的列
df = pd.read_csv('file.csv', usecols=['date', 'close', 'volume'])

# 4. 使用Dask处理超大数据
import dask.dataframe as dd
df = dd.read_csv('huge_file.csv')

进阶资源

推荐书籍

1. 《利用Python进行数据分析》 - Wes McKinney

   • Pandas作者亲著
   • 数据分析必读

2. 《Python for Data Analysis》 - 英文原版

   • 更新更及时
   • 官方案例丰富

3. 《Python金融大数据分析》 - Yves Hilpisch

   • 金融数据处理专著

在线资源

官方文档：

• Pandas: https://pandas.pydata.org/docs/
• NumPy: https://numpy.org/doc/
• Matplotlib: https://matplotlib.org/

教程：

• Pandas官方教程：10 Minutes to pandas
• NumPy快速入门：NumPy Quickstart
• Real Python：Python Data Analysis系列

练习项目

1. 下载并分析A股数据

   • 使用Tushare或AKShare
   • 计算市场宽度指标
   • 行业轮动分析

2. 构建因子库

   • 技术因子（动量、反转）
   • 基本面因子（PE、PB、ROE）
   • 另类因子（社交媒体情绪）

3. 回测框架

   • 用Pandas实现简单回测
   • 性能指标计算
   • 可视化报告生成

下一步

完成数据分析基础后，你可以：

1. 深入学习

   • 进入量化交易基础
   • 学习更多策略类型

2. 实战练习

   • 分析不同行业的股票
   • 寻找价格异常和套利机会
   • 构建自己的数据分析工具库

3. 扩展技能

   • 学习SQL操作数据库
   • 掌握数据爬虫技术
   • 了解大数据处理框架（Spark、Dask）

---

恭喜！你已经完成了快速入门部分！

你现在掌握了：

• ✅ Python数据分析核心技能
• ✅ Pandas和NumPy的实用操作
• ✅ 金融数据处理方法
• ✅ 数据可视化技巧

准备好进入量化交易的核心知识了吗？让我们继续前进！

上一篇：第一个量化策略-双均线 | 下一篇：量化交易概述与核心概念