這是書籍《Pandas Cookbook》書籍第03章的代碼復現，所有代碼運行在Jupyter Notebook上，原講解地址是：
https://www.jianshu.com/p/05cb76788c80
我上傳代碼的github地址是：
https://github.com/Asunqingwen/PandasCookbook.git
github上有該書中用到的data，里面代碼會不定期更新（因為工作原因，時間不定），直到本書學習完成！
相比原講解，會穿插一些自己的理解，水平有限，請各路大神指正。

1.規劃數據分析路線

這一部分主要是用describe()結合它的include參數，顯示導入數據的一些基本信息，顯示所用的函數不是常用的print()，而是IPython庫的display()

            
              import pandas as pd
import numpy as np
from IPython.display import display
pd.options.display.max_columns = 50

            
          

2.改變數據類型，降低內存消耗

這段主要用到了一個函數——memory_usage(deep=True)，用來計算導入數據所占的內存，而如果某個column的數據類型可以修改為占內存更小的數據類型，那就能進一步降低內存消耗

            
              #選取五列
college = pd.read_csv('data/college.csv')
different_cols = ['RELAFFIL','SATMTMID','CURROPER','INSTNM','STABBR']
col2 = college.loc[:,different_cols]
col2.head()

#查看數據類型
col2.dtypes

# 用memory_usage方法查看每列的內存消耗
original_mem = col2.memory_usage(deep=True)
original_mem

            
          

我們可以通過astype()對column的數據類型進行轉換，當然不能隨便轉換，要先確定是否占內存更小的數據類型可以表示其整列值——比如RELAFFIL原來是int64，但是它整列值都是0/1，所以完全可以用int8來表示；再看STABBR，是object類型，但是它的值只有59個是不同的，那么就可以用category來表示，category類似于tensorflow的one_hot編碼，在這里就相當于將STABBR59分類了，這樣就比原來少占很多內存了。category的具體講解，可以看下面這篇博客 https://blog.csdn.net/FrankieHello/article/details/81220116

修改完數據類型后內存占比

pandas中規定，只要數值類型列，有缺失值，那么這一列的數據類型就是浮點型，所以不能強制轉換為整型，不然會報錯——ValueError: Cannot convert non-finite values (NA or inf) to integer

3.從最大中選擇最小

這段用到了兩個函數nlargest(n,column_name)和nsmallest(n,column_name)，顧名思義，主要是獲取導入數據某一列值最大的前n個，某一列值最小的前n個，不需要排序

4.通過排序選取每組的最大值

這段主要用了兩函數sort_values(columns_name,ascending)和drop_duplicates(columns_name)，
sort_values主要用來排序，第一個參數是要排序的列名，如果有多列，需要傳入list類型，依次排序每一列；而第二個參數是決定使用降序還是升序的bool變量；
drop_duplicates()用來去除，第一個參數的含義和sort_values一樣。

5.用sort_values復現nlargest方法

nlargest(n,)函數就是選取最大的前n個，而通過sort_values()降序排列，再通過head(n)，我們能達到和nlargest()函數一樣的效果，但是可能選取的rows會有差異，因為最大值個數如果大于n的話，head(n)和nlargest(n)選取出來n個可能會有差別了，因為如何選擇n個的機制不一樣

6.計算跟蹤止損價格

這里用到了一個新module——pandas_datareader
這個module是用來遠程獲取金融數據的，主要是從yahoo獲取(用google的源沒有獲取成功)，用DataReader(公司，數據源，開始時間)，對應的官方文檔
https://pandas-datareader.readthedocs.io/en/latest/

            
              import pandas_datareader as pdr

#查詢特斯拉在2017年第一天的股價
tsla = pdr.DataReader('tsla',data_source='yahoo',start='2017-1-1')
tsla.head(8)

#只關注每天的收盤價，使用cummax得到迄今為止的收盤價最大值
tsla_close = tsla['Close']
tsla_cummax = tsla_close.cummax()
tsla_cummax.head(8)

#將下行區間限制到10%，將tsla_cummax乘以0.9
tsla_trailing_stop = tsla_cummax * .9
tsla_trailing_stop.head(8)

#將上述功能包裝成一個函數
def set_trailing_loss(symbol,purchase_date,perc):
    close = pdr.DataReader(symbol,'yahoo',start=purchase_date)['Close']
    return close.cummax() * perc
tsla_close = set_trailing_loss('tsla','2017-6-2',.18)
tsla_cummax = tsla_close.cummax()
tsla_cummax.head(8)