我是Pandas的新手，想从专业人士那里获得一些见解 . 我需要对> 30个时间序列的金融证券的每日开盘价，最高价，最低价，收盘价进行各种统计分析（多元回归，相关等） . 每个系列都有500-1500天的数据 . 由于每个分析都关注多个证券，我想知道从易用性和效率角度来看，将每个时间序列存储在一个单独的df中是否更可取，每个时间序列都以日期作为索引，或者将它们全部合并到一个df中单个日期索引，实际上是3d df . 如果是后者，有关如何构建的任何建议吗？
任何想法都非常感激 .
PS . 我正在努力处理跨多个时区的日内数据，但这对我的第一个pandas项目来说有点多了;这是朝这个方向迈出的第一步 .
2 回答
除非您要将所有内容与所有内容相关联，否则我的建议是将其放入单独的数据框中并将它们全部放在字典中，即{“Timeseries1”：df1，“Timeseries 2”：df2 ...} . 然后，当您想要将一些时间序列关联在一起时，您可以合并它们并将后缀放在每个不同df的列中以区分它们 .
可能你对熊猫自己的作者的这个话题感兴趣.1708959_ .
因为你只处理OHLC，所以要处理的数据并不多，所以这很好 .
对于这些类型的东西，我通常使用多索引（http://pandas.pydata.org/pandas-docs/stable/indexing.html），其中符号作为第一级，日期作为第二级 . 然后你可以只有OHLC列，你就完成了 .
要访问multiindex，请使用
.xs函数 .