50. 数据框检索

import pandas as pd
import numpy as np

# 创建匿名课堂行情示例
data = {  # 定义四项不映射真实公司的课堂记录
    '股票代码': ['SIM-A', 'SIM-B', 'SIM-C', 'SIM-D'],  # 设置匿名模拟代码
    '股票名称': ['模拟白酒A', '模拟白酒B', '模拟银行A', '模拟保险A'],  # 设置匿名模拟名称并保留行业词示例
    '收盘价': [1850.0, 220.5, 45.2, 52.8],  # 设置课堂模拟收盘价
    '涨跌幅': [0.05, -0.02, 0.03, -0.01],  # 设置课堂模拟涨跌幅
    '成交量': [1200, 3500, 8900, 5600]  # 设置课堂模拟成交量
}
df = pd.DataFrame(data)

# 方法1：点号访问（列名必须是合法Python标识符）
names = df.股票名称
print('方法1 - 点号选择:')
print(f'类型: {type(names)}')
print(names)

# 使用列表选择多列（注意双重方括号）
subset = df[['股票代码', '股票名称', '收盘价']]
print('多列选择结果:')
print(subset)
print(f'\n数据类型: {type(subset)}')

# 行标签列表 + 列名列表
df_subset = df_indexed.loc[['SIM-A', 'SIM-B'], ['股票名称', '收盘价']]  # 组合选择匿名课堂样本的行列
print('行和列的组合选择:')
print(df_subset)

# 选择单个标量值
specific_value = df_indexed.loc['SIM-A', '收盘价']  # 读取匿名课堂样本的单个标量
print(f'\n单个标量值: {specific_value}')
print(f'类型: {type(specific_value)}')

# 从股票池中筛选关注列表中的股票
watchlist = ['SIM-A', 'SIM-C']  # 设置匿名课堂关注列表
selected = df[df['股票代码'].isin(watchlist)]
print('筛选关注列表中的股票:')
print(selected[['股票代码', '股票名称', '收盘价']])

# 组合使用：关注列表中且上涨的股票
selected_and_rising = df[
    df['股票代码'].isin(watchlist) &
    (df['涨跌幅'] > 0)
]
print('\n关注列表中上涨的股票:')
print(selected_and_rising[['股票名称', '涨跌幅']])

import time

np.random.seed(42)  # 固定随机种子使每次课堂性能示例一致
n_rows = 100000  # 设置匿名课堂数据规模
large_df = pd.DataFrame({'code': np.random.choice([f'SIM-{i:04d}' for i in range(1, 1001)], n_rows), 'price': np.random.uniform(10, 100, n_rows), 'volume': np.random.randint(1000, 10000, n_rows)})  # 构造十万行匿名课堂数据
query_codes = [f'SIM-{i:04d}' for i in range(451, 551)]  # 设置一百个重复查询键
repeat_count = 5  # 设置每个查询键重复五轮
indexed_df = large_df.set_index('code')  # 预先构建索引以评估重复查询阶段
start = time.perf_counter()  # 记录布尔扫描计时起点
scan_results = [large_df[large_df['code'] == code] for _ in range(repeat_count) for code in query_codes]  # 对相同键执行五百次布尔扫描
scan_time = time.perf_counter() - start  # 计算匹配工作量的布尔扫描耗时
start = time.perf_counter()  # 记录索引查询计时起点
index_results = [indexed_df.loc[[code]] for _ in range(repeat_count) for code in query_codes]  # 对相同键执行五百次索引查询
index_time = time.perf_counter() - start  # 计算匹配工作量的索引查询耗时
workload_count = len(query_codes) * repeat_count  # 计算两种方法共同的查询次数
assert len(scan_results) == len(index_results) == workload_count  # 验证两种方法执行完全相同的查询次数
assert all(len(scan_result) == len(index_result) for scan_result, index_result in zip(scan_results, index_results))  # 验证每次查询返回相同行数
benchmark_summary = pd.Series({'每种方法查询次数': workload_count, '布尔扫描耗时(ms)': scan_time * 1000, '索引查询耗时(ms)': index_time * 1000, '扫描/索引耗时比': scan_time / index_time})  # 汇总匹配工作量的示例计时
print(benchmark_summary.round(2))  # 输出当前运行环境的课堂基准结果

# 不推荐：使用循环
start = time.time()
prices_loop = []
for i in range(len(df)):
    if df.iloc[i]['收盘价'] > 100:
        prices_loop.append(df.iloc[i]['收盘价'])
time_loop = time.time() - start

# 推荐：向量化操作
start = time.time()
prices_vectorized = df.loc[df['收盘价'] > 100, '收盘价']
time_vectorized = time.time() - start

print(f'循环方法耗时: {time_loop*1000:.2f}毫秒')
print(f'向量化方法耗时: {time_vectorized*1000:.2f}毫秒')

import pandas as pd
import numpy as np

# 生成1000行匿名课堂候选数据
np.random.seed(42)  # 固定随机种子以保证每次筛选结果一致
n_stocks = 1000  # 设置课堂模拟候选行数
stocks_data = pd.DataFrame({
    '股票代码': [f'SIM-{i:04d}' for i in range(1, n_stocks + 1)],  # 生成不映射真实证券的匿名代码
    '股票名称': [f'股票{i}' for i in range(1, n_stocks+1)],
    '市盈率': np.random.uniform(5, 80, n_stocks),
    '市净率': np.random.uniform(0.5, 10, n_stocks),
    'ROE': np.random.uniform(0.05, 0.35, n_stocks),
    '负债率': np.random.uniform(0.2, 0.9, n_stocks),
    '股息率': np.random.uniform(0.005, 0.08, n_stocks)
})

print(f'课堂模拟候选集: {len(stocks_data)}行')  # 标明输出不是市场股票池
print('\n课堂生成指标概况:')  # 标明描述统计来自生成数据
print(stocks_data[['市盈率', '市净率', 'ROE', '负债率', '股息率']].describe())