Pandas Index：时间序列索引与对齐

小象实战讲义 · 量化交易Python入门：从咖啡馆到华尔街

Pandas 是量化交易员最核心的武器。本章你将通过 Series 和 DataFrame 深度处理时间序列行情数据，掌握 loc/iloc 定位筛选、缺失值与重复值清洗、以及最大回撤与年化波动率等核心指标统计计算。

💡 核心导读

本节将深入讲解 Pandas 中 Index 数据结构的设计原理与核心操作。通过学习，您将掌握：1) Index 的不可变特性与内存优化机制 2) 各类 Index 的创建与转换方法 3) 多级索引的层级控制技术 4) 高性能索引查询的实践技巧。重点通过时间序列索引和分类索引的实战演示，展示如何利用 Index 特性提升数据操作效率。

Index 基础特性

不可变性与哈希加速

Index 是 Pandas 的不可变序列，所有修改操作都会生成新对象。这种设计带来两个核心优势：

import pandas as pd

idx = pd.Index(['A', 'B', 'C'], name='letters')
print(idx.is_unique)  # 检查唯一性 → True

try:
    idx[0] = 'X'  # TypeError: Index does not support mutable operations
except TypeError as e:
    print(e)

索引类型对比

Pandas 提供多种专用索引类型：

True
Index does not support mutable operations

核心操作演练

多级索引构建

import pandas as pd

arrays = [
    ['A', 'A', 'B', 'B'],
    [1, 2, 1, 2]
]
multi_idx = pd.MultiIndex.from_arrays(arrays, names=('group', 'id'))

print(multi_idx.to_frame())

group  id
group id
A     1      A   1
      2      A   2
B     1      B   1
      2      B   2

时间索引重采样

import pandas as pd

date_idx = pd.date_range('2023-01-01', periods=6, freq='D')
ts = pd.Series([10, 15, 12, 9, 14, 11], index=date_idx)

weekly = ts.resample('W').mean()
print(weekly.index)  # DatetimeIndex(['2023-01-01', '2023-01-08'], dtype='datetime64[ns]', freq='W-SUN')

DatetimeIndex(['2023-01-01', '2023-01-08'], dtype='datetime64[us]', freq='W-SUN')

高级查询技巧

基于条件的索引选择

import pandas as pd

df = pd.DataFrame(
    {'value': [100, 200, 150]},
    index=pd.Index(['2023-Q1', '2023-Q2', '2023-Q3'], name='quarter')
)

result = df.query("index.str.endswith('Q2') | (value > 120)")
print(result)

value
quarter
2023-Q2    200
2023-Q3    150

索引堆叠与解堆

import pandas as pd

multi_df = pd.DataFrame(
    {'sales': [240, 310, 290, 180]},
    index=pd.MultiIndex.from_product([['East', 'West'], ['Jan', 'Feb']])
)

unstacked = multi_df.unstack()
print(unstacked)

sales
       Feb  Jan
East   310  240
West   180  290

📝 动手练一练

第 1 题 · 概念应用

你正在分析两只股票（A和B）的日收益率序列。由于停牌等原因，它们的交易日索引（index_A 和 index_B）并不完全一致。你希望计算这两只股票收益率的相关系数，以评估它们的联动性。

以下哪种做法是最安全且符合 Pandas 设计哲学的？

• A. 分别对 series_A 和 series_B 调用 .corr() 方法，然后将两个结果取平均。
• B. 分别计算 series_A.mean() 和 series_B.mean()，比较两个平均收益率的数值是否接近，据此判断它们的联动性。
• C. 手动遍历 index_A，检查每个日期是否也在 index_B 中，将双方都存在的日期对应的收益率提取出来，放入两个新列表，最后用 np.corrcoef 计算。
• D. 先使用 series_A.align(series_B, join='inner') 获取索引对齐后的两个新序列，再计算它们的相关系数。

第 2 题 · 代码填空

你有一份股票行情数据，其索引是字符串格式的日期。你需要将其转换为 DatetimeIndex，并筛选出 2024 年第一季度（1月、2月、3月） 的所有数据。

请补全以下代码中的空位：

import pandas as pd

# 示例数据
data = {
    'close': [100, 101, 102, 99, 104, 105, 103],
}
date_strings = ['2024-01-15', '2024-02-01', '2024-02-15', '2024-03-10', '2024-04-05', '2024-01-31', '2024-03-20']
df = pd.DataFrame(data, index=date_strings)

# 1. 将字符串索引转换为 DatetimeIndex
df.index = pd.______(df.index)

# 2. 时间区间切片要求索引按时间单调排列，先排序
df = df.sort_index()

# 3. 筛选出2024年第一季度的数据
q1_data = df.loc['2024-01':'2024-03']
print(q1_data)

import pandas as pd

# 示例数据
data = {
    'close': [100, 101, 102, 99, 104, 105, 103],
}
date_strings = ['2024-01-15', '2024-02-01', '2024-02-15', '2024-03-10', '2024-04-05', '2024-01-31', '2024-03-20']
df = pd.DataFrame(data, index=date_strings)

# 1. 将字符串索引转换为 DatetimeIndex
df.index = pd.to_datetime(df.index)

# 2. 时间区间切片要求索引按时间单调排列，先排序
df = df.sort_index()

# 3. 筛选出2024年第一季度的数据
q1_data = df.loc['2024-01':'2024-03']
print(q1_data)

            close
2024-01-15    100
2024-01-31    105
2024-02-01    101
2024-02-15    102
2024-03-10     99
2024-03-20    103

本章小结

📋 行动清单

• 使用 pd.IntervalIndex 将年龄数据划分为 0-18, 19-35, 36-60 三个区间，并统计各区间人数
• 对时间序列索引执行时区转换（UTC→Asia/Shanghai），然后按工作日/周末分组计算均值
• 创建包含3个层级的多级索引（国家→股票标的→日期），练习使用 xs() 方法进行跨层级查询

—— 小象教研组