pandas

• df.describe()

count：数量统计，此列共有多少有效值
unipue：不同的值有多少个
std：标准差
min：最小值
25%：四分之一分位数
50%：二分之一分位数
75%：四分之三分位数
max：最大值
mean：均值

• df['close'].shift(-1)
• df['close'].diff(-1)
• df['close'].pct_change(1) // 类似于diff，但是求的是两个数直接的比例，相当于求涨跌幅
• df['volume'].cumsum() // 该列的累加值
• (df['涨跌幅'] + 1).cumprod() // 累乘
• df['close'].rank(ascending=True, pct=False)
• df['close'].value_counts()
• df['symbol'].isin(['BTCUSD', 'LTCUSD', 'ETHUSD'])

> 删除缺失值：

• df.dropna(how='any')
• df.dropna(subset=['12小时', 'close'], how='all') // all代表全部为空，才会删除该行；any只要一个为空，就删除该行。
  > 补全缺失值：
• df.fillna(value=0)
• df['12小时'].fillna(value=df['close'], inplace=True)
• df.fillna(method='ffill')
• df.fillna(method='bfill')
  > 排序函数：
• df.sort_values(by=['candle_begin_time'], ascending=0)
  > 两个df上下合并操作，append操作：
• df1.append(df2, ignore_index=True)
• df1.append(df2)
  > 对数据进行去重：

df3.drop_duplicates(
    subset=['candle_begin_time', 'symbol'],  
    # subset参数用来指定根据哪类类数据来判断是否重复。若不指定，则用全部列的数据来判断是否重复
    keep='first', 
    # 在去除重复值的时候，我们是保留上面一行还是下面一行？first保留上面一行，last保留下面一行，False就是一行都不保留
    inplace=True
)

• df.reset_index(inplace=True, drop=False) // 重置index
• df.rename(columns={'close': '收盘价', 'open': '开盘价'})
• df.empty
• pd.DataFrame().empty // 创建一个空的DataFrame
• df.T // 将数据转置，行变成列
  > 字符串处理：

df['symbol'].str.upper()
df['symbol'].str.lower()
df['symbol'].str.len()
df['symbol'].str.strip()
df['symbol'].str.contains('AID')
df['symbol'].str.replace('AID', 'AVT')

> 时间处理：

df['candle_begin_time'].dt.year
df['candle_begin_time'].dt.week
df['candle_begin_time'].dt.dayofyear
df['candle_begin_time'].dt.dayofweek
df['candle_begin_time'].dt.weekday
df['candle_begin_time'].dt.day_name
df['candle_begin_time'].dt.days_in_month
df['candle_begin_time'].dt.is_month_start
df['candle_begin_time'] + pd.Timedelta(hours=1)
(df['candle_begin_time'] + pd.Timedelta(days=1)

• rolling和expanding简直是为量化领域量身定制的方法，经常会用到。