52. 数据框拼接

# keys 参数为每个数据框分配标识键，创建多级索引
multi_index_returns = pd.concat(
    [stock_a_returns, stock_b_returns],
    keys=['股票A', '股票B'],
    names=['数据源', '行号']
)

print('多级索引结构:')
print(multi_index_returns.head(4))

print('\n索引信息:')
print(multi_index_returns.index.names)

# 选择特定来源的数据
print('\n仅选择股票A的数据:')
print(multi_index_returns.loc['股票A'].head(1))

# 股票基本信息
stock_info = pd.DataFrame({
    '股票代码': ['600519.SH', '000858.SZ', '600036.SH'],
    '股票名称': ['贵州茅台', '五粮液', '招商银行'],
    '行业': ['食品饮料', '食品饮料', '金融']
})

# 股票财务数据（注意：第3只是中国平安，不是招商银行）
financial_data = pd.DataFrame({
    '股票代码': ['600519.SH', '000858.SZ', '601318.SH'],
    'PE': [35.2, 25.8, 10.5],
    'PB': [12.5, 8.3, 1.2]
})

# 内连接：只保留两边都有的股票
inner_result = pd.merge(
    stock_info, financial_data, on='股票代码', how='inner'
)

print('股票基本信息:')
print(stock_info)
print('\n财务数据:')
print(financial_data)
print('\n内连接结果(只保留两边都有的股票):')
print(inner_result)

# 收益率数据，股票代码为索引
returns = pd.DataFrame({
    '日收益率': [0.02, 0.01, -0.01]
}, index=['600519.SH', '000858.SZ', '600036.SH'])

# 波动率数据，股票代码为索引（第3只不同）
volatility = pd.DataFrame({
    '年化波动率': [0.25, 0.30, 0.20]
}, index=['600519.SH', '000858.SZ', '601318.SH'])

# 基于索引左连接
joined_data = returns.join(volatility, how='left')

print('收益率数据:')
print(returns)
print('\n波动率数据:')
print(volatility)
print('\n基于索引的左连接结果:')
print(joined_data)

import pandas as pd

# 数据源1：股票基本信息（主表）
stock_basic = pd.DataFrame({
    '股票代码': ['600519.SH', '000858.SZ', '600036.SH', '601318.SH'],
    '股票名称': ['贵州茅台', '五粮液', '招商银行', '中国平安'],
    '上市日期': ['2001-08-27', '1998-04-27', '2002-04-09', '2007-03-01'],
    '行业': ['食品饮料', '食品饮料', '金融', '金融']
})

# 数据源2：日行情数据（缺少中国平安）
daily_quote = pd.DataFrame({
    '股票代码': ['600519.SH', '000858.SZ', '600036.SH'],
    '收盘价': [1850.00, 158.50, 32.80],
    '涨跌幅': [1.5, -0.8, 0.5]
})

# 数据源3：财务指标（缺少招商银行）
financial_metrics = pd.DataFrame({
    '股票代码': ['600519.SH', '000858.SZ', '601318.SH'],
    'ROE': [25.8, 22.3, 15.6],
    '负债率': [18.5, 30.2, 92.5]
})

import pandas as pd  # 导入Pandas以构造并连接确定性课堂示例
import numpy as np  # 导入NumPy以重复证券键与构造数值列
from time import perf_counter  # 导入高分辨率计时器以记录当前环境结果

company_count = 200  # 设置轻量课堂公司数以避免渲染占用过量内存
date_count = 100  # 设置每家公司日期数以形成可重复连接规模
company_codes = [f'{company_index:06d}.SH' for company_index in range(company_count)]  # 生成无真实公司含义的中性代码
quotes = pd.DataFrame({'股票代码':np.repeat(company_codes,date_count),'日期':list(pd.date_range('2020-01-01',periods=date_count))*company_count,'收盘价':10+np.arange(company_count*date_count)%90})  # 构造确定性课堂行情示例数据
financials = pd.DataFrame({'股票代码':company_codes,'ROE':5+np.arange(company_count)%25,'市值':50+np.arange(company_count)*5})  # 构造确定性课堂财务示例数据

plain_start = perf_counter()  # 记录普通字符串键连接起点
plain_result = pd.merge(quotes,financials,on='股票代码')  # 执行普通字符串键连接
plain_seconds = perf_counter()-plain_start  # 记录当前运行环境普通连接耗时
category_quotes = quotes.assign(股票代码=quotes['股票代码'].astype('category'))  # 将左键转换为分类类型
category_financials = financials.assign(股票代码=financials['股票代码'].astype('category'))  # 将右键转换为分类类型
category_start = perf_counter()  # 记录分类键连接起点
category_result = pd.merge(category_quotes,category_financials,on='股票代码')  # 执行分类键连接
category_seconds = perf_counter()-category_start  # 记录当前运行环境分类连接耗时
assert plain_result.shape==category_result.shape  # 核对两种实现输出形状一致
assert plain_result['ROE'].sum()==category_result['ROE'].sum()  # 核对连接后业务总量一致
print({'rows':len(plain_result),'plain_seconds':plain_seconds,'category_seconds':category_seconds,'policy':'仅报告本机本次结果，不外推固定倍数'})  # 输出可核对基准并限定解释

# 行情数据
quotes = pd.DataFrame({
    '股票代码': ['600519.SH', '600519.SH', '000858.SZ'],
    '日期': ['2024-01-01', '2024-01-02', '2024-01-01'],
    '收盘价': [1850.0, 1870.0, 158.5]
})

# 财务数据
financals = pd.DataFrame({
    '股票代码': ['600519.SH', '600519.SH', '000858.SZ'],
    '日期': ['2024-01-01', '2024-01-02', '2024-01-01'],
    'PE': [35.2, 35.8, 25.8]
})

# 基于股票代码 + 日期两个键进行合并
merged = pd.merge(
    quotes, financals,
    on=['股票代码', '日期'], how='inner'
)

print('多键连接结果:')
print(merged)