10. Pandas-Series和DataFrame创建

# 导入Pandas库，使用pd作为别名（行业惯例）
import pandas as pd
# 导入NumPy库，Pandas依赖NumPy进行数值计算
import numpy as np

# 查看Pandas版本
print(f'Pandas版本: {pd.__version__}')

# 测试Pandas是否正常工作
test_data = pd.Series([1, 2, 3, 4, 5])
print(f'\n测试数据:\n{test_data}')

s = pd.Series(
    [-0.0035, -0.0338, 0.0058, -0.0298],
    index=['中国卫星', '中国软件', '中国银行', '上汽集团'],
    name='涨跌幅'
)

# 通过显式标签索引访问
print(f'中国软件涨跌幅: {s.loc["中国软件"]:.4f}')

# 通过显式位置索引访问，避免整数键语义歧义
print(f'第一个元素: {s.iloc[0]:.4f}')

# 通过显式位置切片访问前两个元素
print(f'前两个元素:\n{s.iloc[:2]}')

s = pd.Series(
    [-0.0035, -0.0338, 0.0058, -0.0298],
    index=['中国卫星', '中国软件', '中国银行', '上汽集团'],
    name='涨跌幅'
)

# 布尔索引：筛选负收益股票
print('负收益股票:')
print(s[s < 0])

# 统计摘要
print(f'\n统计摘要:')
print(s.describe())

# 列表的列表，每个子列表代表一行数据
data_list = [
    ['中信证券', 24.78, 0.05],
    ['国泰君安', 20.15, -0.02],
    ['海通证券', 14.03, 0.03]
]
# 创建DataFrame并指定列名
df1 = pd.DataFrame(data_list, columns=['名称', '价格', '涨跌幅'])
print(df1)

# 元组列表，每个元组代表一行数据
data_tuples = [
    ('600519.SH', '贵州茅台', 1850.00),
    ('000858.SZ', '五粮液', 220.50),
    ('600036.SH', '招商银行', 45.20)
]
# 创建DataFrame并指定列名
df2 = pd.DataFrame(data_tuples, columns=['代码', '名称', '价格'])
print(df2)

# 字典列表，每个字典代表一行数据
data_dict_list = [
    {'code': '600519.SH', 'name': '贵州茅台', 'price': 1850.00},
    {'code': '000858.SZ', 'name': '五粮液', 'price': 220.50},
    {'code': '600036.SH', 'name': '招商银行', 'price': 45.20}
]
# 字典的键自动成为列名
df3 = pd.DataFrame(data_dict_list)
print(df3)

# 生成5行3列的标准正态分布随机数
arr = np.random.randn(5, 3)

# 从NumPy数组创建DataFrame
df4 = pd.DataFrame(
    arr,
    index=['row1', 'row2', 'row3', 'row4', 'row5'],
    columns=['A', 'B', 'C']
)
print(df4)

data = {
    '中国卫星': [-0.0351, 0.0172, -0.0035, -0.0246, 0.0394],
    '中国软件': [-0.0139, 0.0243, -0.0338, 0.0146, 0.0001],
    '中国银行': [-0.0139, 0.0243, -0.0338, 0.0146, 0.0001],
    '上汽集团': [0.0212, 0.0021, -0.0298, -0.0027, -0.0143]
}
index = ['20200525', '20200526', '20200527', '20200528', '20200529']
df = pd.DataFrame(data, index=index)

# 方法1：点号访问（列名无空格时可用）
print('点号访问:')
print(df.中国卫星.head(3))

# 方法2：方括号访问（通用方法，推荐）
print('\n方括号访问:')
print(df['中国软件'].head(3))

# 方法3：同时访问多列
print('\n多列访问:')
print(df[['中国卫星', '中国软件']].head(3))

# 使用loc（标签定位）
value_loc = df.loc['20200526', '中国卫星']
print(f'loc访问: df.loc["20200526", "中国卫星"] = {value_loc:.4f}')

# 使用iloc（位置定位）
value_iloc = df.iloc[0, 0]
print(f'iloc访问: df.iloc[0, 0] = {value_iloc:.4f}')

# 形状（行, 列）
print(f'形状: {df.shape}')

# 数据类型
print(f'\n数据类型:')
print(df.dtypes)

# 前3行数据
print(f'\n前3行:')
print(df.head(3))

s1 = pd.Series([10, 20, 30], index=['a', 'b', 'c'])  # 创建第一条带标签序列
s2 = pd.Series([5, 15, 25], index=['a', 'b', 'd'])  # 创建第二条错位标签序列
print('Series 1:', s1.values, '索引:', list(s1.index))  # 输出第一条序列结构
print('Series 2:', s2.values, '索引:', list(s2.index))  # 输出第二条序列结构
aligned_sum = s1 + s2  # 按标签自动对齐并相加
print('\n加法(自动对齐):')  # 输出结果标题
print(aligned_sum)  # 显示错位标签产生的缺失

# describe()：一键查看统计摘要
print(df.describe())
# 包含: count(数量)、mean(均值)、std(标准差)
# min(最小值)、25%/50%/75%(分位数)、max(最大值)

# 转置：行列互换
print('转置前形状:', df.shape)
print('\n转置后:')
print(df.T)
print('\n转置后形状:', df.T.shape)

# 筛选中国卫星涨幅为正的交易日
print('中国卫星涨幅>0的交易日:')
positive = df[df.中国卫星 > 0]
print(positive)

# 多条件：使用 & (且) 连接
print('中国卫星>0 且 中国软件>0:')
multi_cond = df[(df.中国卫星 > 0) & (df.中国软件 > 0)]
print(multi_cond)

# query方法：语法更直观
print('\nquery方法筛选:')
query_result = df.query('中国卫星 > 0 and 中国软件 > 0')
print(query_result)

df1 = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]})
df2 = pd.DataFrame({'A': [10, 20, 30], 'B': [40, 50, 60]})

# DataFrame加法
print('DataFrame加法:')
print(df1 + df2)

# 标量运算（广播机制）
print('\nDataFrame乘以标量10:')
print(df1 * 10)

data = {
    '中国卫星': [-0.0351, 0.0172, -0.0035, -0.0246, 0.0394],
    '中国软件': [-0.0139, 0.0243, -0.0338, 0.0146, 0.0001],
    '中国银行': [-0.0139, 0.0243, -0.0338, 0.0146, 0.0001],
    '上汽集团': [0.0212, 0.0021, -0.0298, -0.0027, -0.0143]
}
index = ['20200525', '20200526', '20200527', '20200528', '20200529']
df = pd.DataFrame(data, index=index)

# 每只股票的平均涨跌幅
print('均值(axis=0, 按列):')
print(df.mean())

# 每只股票的波动率
print('\n标准差:')
print(df.std())

# 每个交易日所有股票的平均涨跌幅
print('均值(axis=1, 按行):')
print(df.mean(axis=1))

# 计算累积收益率
cum_returns = (1 + df).cumprod() - 1  # 逐日累乘收益因子后再减1，得到区间累积收益率
print('累积收益率（展示最后3个交易日，体现区间终值）:')  # 只打印尾部3行以控制幻灯片高度
print(cum_returns.tail(3).round(4))  # 四位小数展示最终累积结果

# 创建包含缺失值的DataFrame
df_nan = pd.DataFrame({
    'A': [1, 2, np.nan, 4],
    'B': [5, np.nan, np.nan, 8],
    'C': [9, 10, 11, 12]
})

print('原始数据:')
print(df_nan)

# 检测缺失值
print('\n缺失值位置(True=缺失):')
print(df_nan.isnull())

df_nan = pd.DataFrame({
    'A': [1, 2, np.nan, 4],
    'B': [5, np.nan, np.nan, 8],
    'C': [9, 10, 11, 12]
})

# 删除包含缺失值的行
print('删除含缺失值的行:')
print(df_nan.dropna())

# 删除包含缺失值的列
print('\n删除含缺失值的列:')
print(df_nan.dropna(axis=1))