怎么用pandas读取数据,Pandas可以从以下哪些文件中读取数据
0准备工作
首先，使用pip方法安装Panda和pandas-datareader。安装方法非常简单。以管理员身份运行cmd。输入以下命令。
$ pip安装熊猫
$ pip安装pandas-datareader
需要注意的是，安装Panda时会自动安装numpy等功能包，所以使用Panda就意味着安装了numpy功能包。以后在安装Python需要的所有功能包时，都可以使用上述方法。
雅虎财经升级API后，可能需要安装最新开发版本的pandas-datareader(目前版本为0.5.0)来访问雅虎财经的部分数据。安装方法请参考原始git。
pandas-datareader包中的panda _ datareader . data . datareader函数可以根据输入的证券行情、开始日期和结束日期返回包含所有历史每日价格的数据，其数据类型为DataFrame，这是panda包引入的数据类型。这里假设需要苹果公司(股票代码：AAPL)从2016年初到今天(2017年4月6日)的历史每日价格。
在这里，打开你的Python代码编辑器，你已经完成了所有的准备工作。
1获取股票价格数据
这里使用的包是datetime、Panda和pandas-datareader。导入datetime的原因是我们需要使用datetime包中的datetime.datetime.today()函数来调用今天的日期。
导入日期时间
进口熊猫作为pd
将pandas_datareader.data作为web导入
## !这里是“pandas_datareader”而不是“pandas-datareader”
在上面的代码中，将A导入为B的作用是导入A，给A一个别名叫B，这种情况下pandas_datareader.data这个名字明显太长了，所以叫web，所以后面使用panda _ datareader . data . datareader函数时，可以使用web。DataReader直接。必须注意，这里pandas_datareader中使用了下划线 _ ，而不是pip安装中使用的连接器-。
接下来，设置开始日期和结束日期。使用datetime.datetime函数指向给定日期，使用datetime.date.today函数指向今天的日期。运行DataReader函数，并将其保存到名为prices的变量中。
start=datetime.datetime(2016，1，1) #或start= 2016年1月1日
end=datetime.date.today()
价格=网络。DataReader(AAPL ，雅虎，开始，结束)
print prices.head() #打印价格数据的第一行
注意，DataReader函数中的第二个参数表示数据源。DataReader支持包括雅虎和谷歌在内的十几个数据源。本说明仅关注来自雅虎财经的数据。
查看获得的价格数据的前六行(包括列名),
开盘高/低/收盘成交量\
日期
2016-01-04 102.610001 105.370003 102.000000 105.349998 67649400
2016-01-05 105.750000 105.849998 102.410004 102.709999 55791000
2016-01-06 100.559998 102.370003 99.870003 100.699997 68457400
2016-01-07 98.680000 100.129997 96.430000 96.449997 81094400
2016-01-08 98.550003 99.110001 96.760002 96.959999 70798000
接近的
日期
2016-01-04 102.612183
2016-01-05 100.040792
2016-01-06 98.083025
2016-01-07 93.943473
2016-01-08 94.440222
这个数据帧的索引是日期，总共有六列数据。通常我们只关注最后一栏，调整后收盘价，用它来计算收益率。Adj Close的优点是，在价格调整中已经考虑了权重、划分和股息分配等所有因素。
2获取股息数据
只要将datareader函数中的数据源参数修改为 yahoo-actions ，也可以使用Pandas-datareader包来获取股息或股票分割等数据。
动作=web。DataReader(AAPL ，雅虎-行动，开始，结束)
print actions.head()
返回的操作仍然是DataFrame类型的变量，其索引是日期。观察前六行中的数据。
动作值
2017-02-09股息0.57
2016-11-03股息0.57
2016-08-04股息0.57
2016-05-05股息0.57
2016-02-04股息0.52
此处的动作表示证券的操作，如股利分配、股票分割等。而值表示操作值。我们可以看到，苹果最后一次分红是在2017年2月9日，每股分红0.57美元。
值得一提的是，如果在给定的时间段内没有证券的操作活动，DataReader函数将返回一个空的DataFrame，它既没有索引也没有列名。
打印网页。DataReader(AAPL ，雅虎行动，datetime.datetime(2017，4，1)，datetime.date.today())
结果是，
空数据帧
列：[]
索引：[]
3合并股息和股价数据
因为动作索引是价格索引的子集，所以我们可以直接在价格后面添加动作列。这里有两种结合股息和股价的方法。
第一种方法很简单，它直接提取每一列actions并将其添加到prices的后面。
DataFrame变量的一列是单独提取的，而且是Series变量，这也是pandas包中唯一的数据类型。通常，如果列名不包含空格和连接符，可以直接调用列名作为DataFrame变量的属性。例如，actions.action是actions中的action列，其类型是Series。在prices变量中，只能使用prices[adjclose]调用 Adj Close 列，因为列名包含空格。
属性可以理解为一系列的属性、方法、函数等。包含在一个对象中(如价格、动作，甚至开始、结束等。).例如，前面使用的prices.head()是调用价格头部的属性。
在动作列被调出后，可以分配新的价格列。
prices[action]，prices[value]=actions.action，actions.value
打印价格
观察合并数据中间的一些线条。
开盘高/低/收盘成交量\
日期
.
2016-02-01 96.470001 96.709999 95.400002 96.430000 40943500
2016-02-02 95.419998 96.040001 94.279999 94.480003 37357200
2016-02-03 95.000000 96.839996 94.080002 96.349998 45964300
2016-02-04 95.860001 97.330002 95.190002 96.599998 46471700
2016-02-05 96.519997 96.919998 93.690002 94.019997 46418100
2016-02-08 93.129997 95.699997 93.040001 95.010002 54021400
.
调整关闭动作值
日期
.
2016-02-01 93.923996楠楠
2016-02-02 92.024676楠楠
2016-02-03 93.846074楠楠
2016-02-04 94.600127股息0.52
2016-02-05 92.073538楠楠
2016-02-08 93.043048楠楠
.
可以发现，对于所有没有动作和值的日期，值都将是NaN(不是数字)，有效的红利数据将被添加到相应的行中。
第二种方法是使用pandas包中的merge函数，可以按照一定的规则合并两个DataFrame变量。
prices=pd.merge(prices，actions，how=outer ，left_index=True，right_index=True)
打印价格
以上，可以得到和第一种方法一样的结果。其中how=outer 意味着最终合并结果的长度将是prices和actions中较长的一个，因此将有NaN。left_index和right_index都被设置为True，也就是说，当左右数据帧的索引匹配时，它们被合并。
4输出为CSV文件
DataFrame类型有一个可以直接将数据导出到CSV文件的属性。例如，将合并的股票价格和股息数据保存到根目录out文件夹中，并将其命名为AAPL.csv。
prices.to_csv(。\\out\\AAPL.csv)
的。to_csv()方法需要一个字符参数，即需要的保存路径。在这个字符串中，.表示工作目录，一般是使用PyCharm等编译器时代码文件所在的目录。两个反斜杠表示文件夹的层次关系。使用两个反斜杠的原因是“”在字符串中有转义函数。
请注意，在这种情况下。\out 文件夹应该提前构建。直观的方法是直接新建一个文件夹，命名为‘out’。也可以用Python的os包来实现。
导入操作系统
os.mkdir(。\ \ out’)
将价格导出为CSV文件后，您可以打开它进行查看。也可以用EXCEL来操作。
日期，开盘，盘高，盘低，收盘，成交量，调整收盘，动作，数值
.
2016-02-01,96.470001,96.709999,95.400002,96.43,40943500,93.923996,
2016-02-02,95.419998,96.040001,94.279999,94.480003,37357200,92.024676,
2016-02-03,95.0,96.839996,94.080002,96.349998,45964300,93.846074,
2016-02-04，95.860001，97.330002，95.190002，96.599998，46471700，94.600127，分红，0.52
2016-02-05,96.519997,96.919998,93.690002,94.019997,46418100,92.073538,
2016-02-08,93.129997,95.699997,93.040001,95.010002,54021400,93.043048,
.
Python可以方便的操作财务数据，具体做法我会在以后的笔记中讨论。如果您发现任何问题或有任何疑问，请纠正我或讨论。
郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。