#s=pd.Series([],index=[])

股票数据特殊值处理的方法：

股票数据精度处理：                                                                          df_csvload=df_csvload.applymap(lambda x:'%0.2f'%x)其中'%0.2f'f表示浮点数，0.2表示保留两位小数。lambda x省去定义函数的过程，让代码更精简。applymap作用到的是dataframe中的所有数据  df_csvload.Volume = dafre_csvload.ix[:,['Volume']].apply(lambda x:'%0.0f'%x)其中apply作用到的是某一列。dafre_csvload.ix[:,['Volume']]是种切片方式。                                                           

df_csvload = df_csvloadround(2) 其中2表示保留两位小数         df_csvload.Volume = df_csvloda.Volume.astype(int)表示Valume列保留整数

print(df_csvload[df_csvload.values == 0]                                      print(df_csvload[df_csvload.High.isin([0])] 都能筛选出0值所在的位置

df_csvload.loc[df_csvload.loc[:,'High]==0,'High']=df_csvload.High.median()表示用High这一列的中位值填充High这一列为0的值。

股票数据规整化处理的方法：

股票数据内容概况查看：                                                                    head()：df_csvload.head(3)查看前三行                                              tail()：df_csvload.tail(3)查看后三行                                                    shape：df_csvload.shape查看数据有几行几列                                    describe()：df_csvload.describe()各列数据的统计情况df_csvload.info()查看缺失的情况                                                  df_csvload.isnull()的返回的值True代表缺失，False代表未缺失            df_csvload[df_csvload.isnull().T.any()]可以筛选出有数据缺失的行

    缺失值的处理：                                                                             df_csvload=df_csvload.dropna(axis=0,how='all')0代表行，1代表列，'all'代表如果该行全是缺失值则删除该行，'any'代表如果该行存在缺失值则删除该行。还有一个参数可以设置成如果该行的缺失值大于多少个时删除该行。

df_csvload=df_csvload.fiillna(method='ffill',akis=0,inplace=True)，其中'ffill'表示以该列的上一个值填充，'bfill'表示以该列的下一个值填充。0表示列，1表示行。True表示改变原dataframe,False表示不改变

量化交易的过程

股票数据的处理

股票数据特殊值的处理方法

数据精度处理：round() astype() appilmap() lambada()

股票数据的处理

股票数据的规整化处理方法

股票数据信息查看的方法：head()   tail()  shape describe() info

缺失值的处理方法：isnull()   notnull() dropna()  fillna()

股票数据的获取

API接口下下载股票数据的方法

金融数据模块获取股票数据的方法：DataReader(）

DataFrame存储为CSV文件的方法：dataframe.to_csv()

文件地址栏可以直接cmd...

help("modules")查看是否安装成功

量化交易，通过历史数据实现投资获胜概率

测试笔记功能

High.median 获取中位值