DataFrame索引操作：loc与iloc定位行情

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

DataFrame的索引操作是Pandas数据处理的核心技能之一。本节将系统讲解DataFrame的索引访问方法，包括基础索引、loc/iloc索引器、布尔索引以及多级索引操作。通过学习，您将掌握：

• 使用方括号和属性方式访问列数据
• 理解loc（标签索引）和iloc（位置索引）的区别
• 构建复杂条件进行布尔索引
• 处理层次化索引（MultiIndex）数据
• 避免常见的索引操作陷阱

基础索引操作

列数据访问

DataFrame最基础的索引操作是列选择，有以下两种等效方式：

import pandas as pd

df = pd.DataFrame({
    '产品': ['A', 'B', 'C', 'D'],
    '销量': [120, 95, 135, 80],
    '单价': [15.5, 22.0, 18.0, 25.5]
})

print(df['销量'])
print(df.单价)

0    120
1     95
2    135
3     80
Name: 销量, dtype: int64
0    15.5
1    22.0
2    18.0
3    25.5
Name: 单价, dtype: float64

行数据访问

获取行数据需要配合loc/iloc索引器：

import pandas as pd

df = pd.DataFrame({
    '产品': ['A', 'B', 'C', 'D'],
    '销量': [120, 95, 135, 80],
    '单价': [15.5, 22.0, 18.0, 25.5]
})

print(df.iloc[1])
print(df.loc[:1])

产品       B
销量      95
单价    22.0
Name: 1, dtype: object
  产品   销量    单价
0  A  120  15.5
1  B   95  22.0

高级索引方法

loc与iloc索引器

两种索引器的核心区别：

import pandas as pd

df = pd.DataFrame({
    '产品': ['A', 'B', 'C', 'D'],
    '销量': [120, 95, 135, 80],
    '单价': [15.5, 22.0, 18.0, 25.5]
})

df = df.set_index('产品')
print(df.loc[['A', 'C'], '单价'])
print(df.iloc[1:3, 0])

产品
A    15.5
C    18.0
Name: 单价, dtype: float64
产品
B     95
C    135
Name: 销量, dtype: int64

布尔索引

通过条件表达式筛选数据：

import pandas as pd

df = pd.DataFrame({
    '产品': ['A', 'B', 'C', 'D'],
    '销量': [120, 95, 135, 80],
    '单价': [15.5, 22.0, 18.0, 25.5]
})

condition = (df['销量'] > 100) & (df['单价'] < 20)
print(df[condition])
print(df.query('销量 > 100 and 单价 < 20'))

产品   销量    单价
0  A  120  15.5
2  C  135  18.0
  产品   销量    单价
0  A  120  15.5
2  C  135  18.0

层次化索引操作

创建MultiIndex

import pandas as pd
import numpy as np

arrays = [['苹果公司', '苹果公司', '谷歌公司', '谷歌公司'], ['旗舰店', '体验店', '旗舰店', '体验店']]
multi_df = pd.DataFrame([[1.2, -0.5], [0.8, 0.3], [-0.9, 1.1], [0.4, -0.7]],
                       index=pd.MultiIndex.from_arrays(arrays, names=('股票标的', '门店')),
                       columns=['销售额', '成本'])

print(multi_df)

销售额   成本
股票标的 门店
苹果公司 旗舰店  1.2 -0.5
     体验店  0.8  0.3
谷歌公司 旗舰店 -0.9  1.1
     体验店  0.4 -0.7

多级索引访问

import pandas as pd
import numpy as np

arrays = [['苹果公司', '苹果公司', '谷歌公司', '谷歌公司'], ['旗舰店', '体验店', '旗舰店', '体验店']]
multi_df = pd.DataFrame([[1.2, -0.5], [0.8, 0.3], [-0.9, 1.1], [0.4, -0.7]],
                       index=pd.MultiIndex.from_arrays(arrays, names=('股票标的', '门店')),
                       columns=['销售额', '成本'])

print(multi_df.loc['苹果公司'])
print(multi_df.loc[('谷歌公司', '体验店')])
print(multi_df.xs('体验店', level='门店'))

销售额   成本
门店
旗舰店  1.2 -0.5
体验店  0.8  0.3
销售额    0.4
成本    -0.7
Name: (谷歌公司, 体验店), dtype: float64
      销售额   成本
股票标的
苹果公司  0.8  0.3
谷歌公司  0.4 -0.7

📝 动手练一练

第 1 题 · 概念应用

你正在分析一个包含多只股票历史行情数据的 DataFrame df_prices，其索引是日期字符串（尚未转换为 datetime 类型），列名为股票代码（如 AAPL, GOOG）。你执行了以下操作：

import pandas as pd

df_prices = pd.DataFrame(
    {'AAPL': [100.0, 101.0, 102.0], 'GOOG': [140.0, 141.0, 142.0]},
    index=['2024-01-02', '2024-01-03', '2024-01-04'])
print(df_prices.loc['2024-01-02':'2024-01-03', 'AAPL'])
print(df_prices.iloc[0:2, 0])

2024-01-02    100.0
2024-01-03    101.0
Name: AAPL, dtype: float64
2024-01-02    100.0
2024-01-03    101.0
Name: AAPL, dtype: float64

关于这两行代码的结果，以下哪个说法是正确的？

• A. 两行代码选取的数据范围（行和列）完全相同，因为 loc 和 iloc 在切片时行为一致。
• B. 两行代码选取的行范围可能不同，因为 loc 的切片包含结束标签 '2024-01-03'，而 iloc 的切片不包含结束位置 2。
• C. 两行代码选取的行范围可能不同，因为 iloc 的切片包含结束位置 2，而 loc 的切片不包含结束标签 '2024-01-03'。
• D. 两行代码选取的列范围可能不同，因为 loc 使用列标签，而 iloc 使用列位置，它们无法指向同一列。

第 2 题 · 代码填空

在风险监控中，你需要从一个持仓收益 DataFrame df_returns 中提取特定数据。该 DataFrame 索引为日期，列包括 'Portfolio'（组合收益）、'Benchmark'（基准收益）和 'RiskFree'（无风险收益）。请补全以下代码，使用 布尔索引 筛选出 组合收益为负且基准收益也为负 的所有交易日的数据。

import pandas as pd
import numpy as np

# 模拟生成一些收益数据
dates = pd.date_range('2024-06-01', periods=5, freq='D')
df_returns = pd.DataFrame({
    'Portfolio': [0.02, -0.01, -0.005, 0.015, -0.02],
    'Benchmark': [0.015, -0.008, -0.002, 0.012, -0.018],
    'RiskFree': [0.0001, 0.0001, 0.0001, 0.0001, 0.0001]
}, index=dates)

# 构建布尔条件：组合收益 < 0 且 基准收益 < 0
condition = (df_returns['Portfolio'] < 0) & (df_returns['Benchmark'] < 0)

# 使用条件筛选 DataFrame
double_negative_days = df_returns[______]
print(double_negative_days)

import pandas as pd
import numpy as np

# 模拟生成一些收益数据
dates = pd.date_range('2024-06-01', periods=5, freq='D')
df_returns = pd.DataFrame({
    'Portfolio': [0.02, -0.01, -0.005, 0.015, -0.02],
    'Benchmark': [0.015, -0.008, -0.002, 0.012, -0.018],
    'RiskFree': [0.0001, 0.0001, 0.0001, 0.0001, 0.0001]
}, index=dates)

# 构建布尔条件：组合收益 < 0 且 基准收益 < 0
condition = (df_returns['Portfolio'] < 0) & (df_returns['Benchmark'] < 0)

# 使用条件筛选 DataFrame
double_negative_days = df_returns[condition]
print(double_negative_days)

Portfolio  Benchmark  RiskFree
2024-06-02     -0.010     -0.008    0.0001
2024-06-03     -0.005     -0.002    0.0001
2024-06-05     -0.020     -0.018    0.0001

本章小结

📋 行动清单

• 创建一个包含MultiIndex的DataFrame，练习使用loc和xs方法提取不同层级的数据
• 对销售数据DataFrame实现：1) 按条件筛选 2) 修改指定单元格值 3) 添加计算列
• 对比loc[1:3]和iloc[1:3]在不同索引DataFrame上的表现差异

—— 小象教研组