去极值的方法,可以用均值加n倍的方差,来过滤,也可以用中位数加上下范围来过滤。如聚宽就提供了winsorize和winsorize_med等方法。
但我总觉得不合心意,第一,这个过程本来就是需要不断调整参数的,最好能够按照一定步长来取数据,逐条显示取出数据的数量,占比,方差等。此外,参数最好指定数据的百分比,用户只要指定百分比,就能够获得相应的数据。基于此,设计了一个函数。
from pandas import Series, DataFrame from jqfactor import winsorize_med def data_dist(data,step=0.1,maxstep=1,outratio=0.9): #以中位数为中心,数据的分布 print("数据分布,以中位数为中心,默认步长0.1,通过step参数指定,max指定最大step,outratio指定输出百分比(0.9)") med=data[0].median() d=max(data[0].max()-med,med-data[0].min()) #最大幅度 f=step out=None while(fdata[(data[0] data[0]>med-f*d)] print("%.2f %.2f%% %d var:%.2f"%(f,len(d2)*100.0/len(data),len(d2),d2[0].std()/med)) if len(d2)*1.0/len(data)>=outratio and out is None: out=d2.copy(deep=False) f+=step return out
这个方法融交互和获取数据于一体,可以一边交互测试,一边设定参数,很python!
取广晟有色1000天的成交量分析,看看效果
arr=get_bars("600259.XSHG", count=1000, unit='1d',fields=['date', 'high','low','volume'],end_dt="2018-12-31") vol=DataFrame(arr["volume"]) o=data_dist(vol,step=0.01,maxstep=0.5,outratio=0.8) vol.plot() o.plot() print("%d"%(vol.median())) print("%d"%(vol.mean())) print("%d"%(o.mean()))
把dataframe传递进去就可以了,默认以中位数为中心,中位数到上下限的最大距离为参考,以指定步长为上下界,取出数据。
可以看出,按80%取出的数据,比原始数据要更加集中,中心点也更加合理