DataFrame的索引选项
| obj[val] |
选取DataFrame的单个列或一组列。在某一些特殊情况下或比较便利：布尔值数组（过滤行）、切片（行切片）、 |
| obj.ix[val] |
布尔型DataFrame的单个行或一组列 |
| obj.ix[:,val] |
选取单个列或列子集 |
| obj.ix[val1,val2] |
同时选取行和列 |
| reindex方法 |
将一个或多个轴匹配到新的索引 |
| xs方法 |
根据标签选取单行或单列、并返回一个Series |
| icol、irow方法 |
根据整数位置选取单列或单行、并返回一个Series |
| _get_value,_set_value |
根据行标签或列标签选取单个值 |
描述和汇总统计方法
| count |
非NA值的数量 |
| describe |
针对Series或各DataFrame列计算的汇总 |
| min、max |
计算最小值 |
| argmin、argmax |
计算能够获得到最小值和最大值的索引位置（整数） |
| idxmin、idxmax |
计算获得最小值和最大值的索引值 |
| quantile |
计算样本的分位数 |
| sum |
值的总和 |
| mean |
值的平均数 |
| median |
值的算数中位数（50%分位数） |
| mad |
根据平均值计算平均绝对离差 |
| var |
样本值的方差 |
| std |
样本值的标准差 |
| skew |
样本值的偏度（三阶矩） |
| kurt |
样本值的峰度 |
| cumsum |
样本值的累计和 |
| cummin、cummax |
样本值的累计最大值和累计最小值 |
| cumprod |
样本值的累计积 |
| diff |
计算一阶差分（对时间序列很有用） |
| pct_change |
计算百分数变化 |
简单使用其中一个方法获取股票历史数据中的最高价和最低价
def tiingo_history(id):headers = {'Content-Type': 'application/json','Authorization' : 'Token dff6a6f94862a7ee9aaddb4748c3fd1739ab6bf5'}#获取股票历史信息requestResponse = requests.get("https://api.tiingo.com/tiingo/daily/"+id+"/prices?startDate=2018-01-02&token=dff6a6f94862a7ee9aaddb4748c3fd1739ab6bf5",headers=headers)# {'date': '2020-04-03T00:00:00.000Z', 'close': 241.41, 'high': 245.7, 'low': 238.9741, 'open': 242.8, 'volume': 32470017, 'adjClose': 241.41, 'adjHigh': 245.7, 'adjLow': 238.9741, 'adjOpen': 242.8,'adjVolume': 32470017, 'divCash': 0.0, 'splitFactor': 1.0}# '2020-04-03T00:00:00.000Z', 'close': 30.78, 'high': 31.12, 'low': 30.13, 'open': 30.6, 'volume': 70059740, 'adjClose': 30.78, 'adjHigh': 31.12, 'adjLow': 30.13, 'adjOpen': 30.6, 'adjVolume': 70059740, 'divCash': 0.0, 'splitFactor': 1.0#日期，该日期的收盘价，最高价，最低价，开盘价，交易股票数量，资产调整后的收盘价，资产调整后的最高价，资产调整后的开最低价，资产调整后的开盘价，资产交易的股票数量，在“日期”支付的股息（请注意，“日期”将是股息的“到期日”),公司拆分、反向拆分或支付分配时用于调整价格的因素。# result 是listresult = requestResponse.json()return result
def get_math_info(id):all_data=tiingo_history(id)data=DataFrame(all_data)for i in range(len(data)):data._set_value(i,'date',data._get_value(i,'date')[0:10])# print(data)low =data['low']#获取股票每日最低价中的最小值，即历史最低值print(id+'历史最低值:')print(low.min())#获取股票每日最高价中的最大值，即历史最高值high=data['high']print(id+'历史值最高值：')print(high.max()) #将时间date这一列指定为索引，data.set_index(["date"], inplace=True)print(data)