如果你接触过聚宽（JoinQuant）平台，那你大概率会有同感：Pandas 的插入列、排序、筛选这些操作，单独拎出来都很简单，但一放到聚宽 API 返回的行情数据上，总会出现各种小意外。我最早用聚宽写策略时，就在df['新列'] = ...这行代码上被警告折腾过，也在多条件筛选用and还是&上卡了半个小时。这篇文章就是我的 Pandas 初体验记录，围绕三个最基础的操作展开：插入列、排序、筛选。适合刚装上聚宽、想在研究环境里快速上手 Pandas 的量化新人；就算你已经写过一阵子策略，再看一遍也能避掉一些我踩过的坑。
1. 动手前，先搞懂聚宽环境里的 DataFrame 长什么样
1.1 聚宽终端里，Pandas 其实早就在后台等着你
有件事值得先确认一下：聚宽的研究环境已经预装了 Pandas，所以你在 Notebook 里直接import pandas as pd就能跑，不用单独装包。但这里有个隐藏差异——平台内置的 Pandas 版本未必和你本地的完全一样，某些函数参数在老版本里行为会有点区别。我见过有人把本地跑得好好的代码原样粘到聚宽，结果报错，最后发现是sort_values的inplace=True语义变了。
所以我给自己定了个习惯：每次到一个新环境，先敲一行print(pd.__version__)，心里有个数。别小看这一步，后面排查问题能少走弯路。
import pandas as pd import numpy as np print(pd.__version__)1.2 拿到手的数据，本质上是个“带时间索引的表格”
聚宽 API 千千万，最常打交道的还是get_price()。它返回的对象是一个标准的 Pandas DataFrame：
- 行索引是交易日，类型是
DatetimeIndex； - 列一般包括
open、close、high、low、volume、money、factor； - 单只股票返回的是单层索引，多只股票返回的可能是多层索引。
其中factor是复权因子，用来做前复权、后复权计算，这个字段在初学阶段可以先忽略，但对后续做回测很关键。
你可以把它理解成一张“Excel 表”，只是时间列被放在了索引里。正因为这样，很多 Pandas 操作就有了“按行标签走”的天然优势，比如df.loc['2024-01-02']直接取某一天的数据。
1.3 准备一份练习数据：只用三行代码
后面的章节都要拿数据说事，这里先准备好底稿。下面的代码会拉取一只股票从 2024 年初到 3 月初的日线行情：
from jqdata import * security = "000001.XSHE" # 占位代码，实际请换成你自己关注的标的 df = get_price(security, start_date="2024-01-01", end_date="2024-03-01", frequency="daily", fields=["open", "close", "high", "low", "volume", "money"]) df.head()解释一下参数：
start_date/end_date：闭区间日期范围；frequency："daily"表示日线，可以换"minute"等；fields：按需取列，不用全字段一股脑拉下来，省内存。
如果你想把范围放宽到多个标的，可以先对单个标的跑通流程，后面第五章我会演示多标的的处理套路。初学阶段建议先单标的练手，因为报错定位更简单。
2. 插入列：从“裸数据”到“可用数据”加的第一块砖
2.1 直接赋值最顺手，但要注意对齐
给 DataFrame 加新列，最直白的写法就是直接赋值：
df["涨跌幅"] = df["close"].pct_change() * 100 df.head()这行代码做了两件事：先算当日相对前一日收盘价的涨跌幅，再把它作为一个新列塞进表里。Pandas 会自动按索引对齐，也就是说，新列的每一行都会和原始表同一日期的行对上。
但有几个细节新手容易栽：
- 如果新列是一个长度不一致的普通列表，Pandas 会直接报错或填充 NaN，因为它希望新列要么是标量，要么是长度/索引匹配的 Series；
- 直接赋一个标量值，比如
df["market"] = "XSHE"，Pandas 会沿着所有行广播，通常没啥问题； - 在循环里反复给同一个 DataFrame 赋值新列，效率很低，还会让代码难读，后面可以用批量计算。
我看过不少人在这里栽跟头：拿两个不同索引的 DataFrame 做减法，得到一个全 NaN 的新列，然后画图发现一片空白，折腾半天才反应过来是索引没对齐。
2.2 想插到指定位置，用 insert
直接赋值新列会追加到 DataFrame 末尾。如果你在意列的顺序，比如想把新算的“涨跌幅”挪到close旁边，方便肉眼核对，那就要用insert()：
df.insert(loc=1, column="昨收", value=df["close"].shift(1)) df.head()loc参数表示新列插入的位置，数字从 0 开始；column是列名；value可以是 Series、标量或数组。这个函数不会覆盖已有列，如果同名列已经存在，会报错提醒你。
使用场景还挺常见的：我自己做复盘表的时候，习惯把“昨收、今开、涨幅”排在最前面，一眼扫过去就能看出今天走势。这时候insert比直接赋值靠谱得多。
2.3 多条数据合并时，用 concat
插入列还有一种常见场景是“横向拼接两个 DataFrame”，比如把价格数据和成交量指标合并到一个表里。此时可以用pd.concat：
price_df = df[["close", "high", "low"]] volume_df = df[["volume", "money"]] merged = pd.concat([price_df, volume_df], axis=1) merged.head()axis=1表示横向拼，axis=0是纵向拼。拼接时如果两个表的索引不完全一致，默认会做“外连接”，缺失部分补 NaN；如果你想严格保留交集，可以加join="inner"。
这个操作在获取多个字段、多个接口数据时非常好用。聚宽有些数据接口返回的字段维度不同，没法用简单赋值整合，我就会开一个结果表格，然后多次 concat 进去。
2.4 实战演示：算涨跌幅和 5 日均线
光讲函数太干，我直接演示一个最常见的组合：给行情表加上“涨跌幅”和“5 日均线”两列。
df["return"] = df["close"].pct_change() df["ma5"] = df["close"].rolling(5).mean() df["振幅"] = (df["high"] - df["low"]) / df["close"] * 100 df.head(10)这段代码背后有三个小知识：
pct_change()计算的是“当前值相对上一个非空值的百分比变化”，第一行因为没有“上一个值”，得到的是 NaN；rolling(5).mean()在窗口不足 5 天时也是 NaN，需要第 5 天才开始有有效值；- 振幅这个公式是我自己常用的粗略算法，不是标准定义，但用来横向比较足够。
做完之后，你可以顺手看一下df.info()，检查新增列的类型和有没有大量 NaN。类型不对后面排序、筛选都会出奇怪问题。
3. 排序：让数据按照你的逻辑排队
3.1 sort_values 按列排序，最常用
拿到行情数据后，最常干的一件事是排序。比如我想看整段时间里哪一天的涨幅最大，直接对return列排序：
df.sort_values(by="return", ascending=False)这里ascending=False表示降序，把涨幅最大的放最前面。没传ascending时默认升序，也就是从最小的开始排。
有几个隐藏参数值得知道：
na_position：NaN 排在最前还是最后。默认是"last"，在降序找出最大涨幅时，NaN 会沉底，不会干扰顶部的有效数据；kind：指定排序算法，日常不用管，了解有"quicksort"/"mergesort"即可；inplace：老版本常用df.sort_values(..., inplace=True)，新版本更推荐重新赋值，避免一些链式操作的坑。
排序之后有个小细节很容易忽略：行的索引顺序不会跟着排序重新编号，而是保留原来位置的行号。所以你会看到结果表里 index 是乱的，比如 60、2、35……这时候如果想把结果当成新表使用，最好重置索引：
result = df.sort_values(by="return", ascending=False).reset_index(drop=True)drop=True表示丢掉原来的行号列，只保留从 0 编号的新索引。这个小坑我在第五节组合实战里还会遇到。
3.2 sort_index 按时间排序，别忽略
有时候你需要按时间索引排序，而不是按某一列的值。最典型的是后面章节说的多标的数据合并后，行顺序乱了，得用索引恢复时间先后：
df.sort_index(ascending=True)这个操作不会动任何列的数据，只是把行按照索引排序。对于聚宽返回的行情数据来说，默认就是按时间升序排列的，但只要你做了一次筛选或拼接，顺序就未必可靠，养成排序索引的习惯很有必要。
如果你想把时间索引变成普通列，方便后续按日期字符串筛选，可以这样：
df_reset = df.reset_index() df_reset.head()重置后，时间那一列默认叫index，你可以自己重命名成date。后面多标的拼接时，这个操作几乎是必经之路。
3.3 多重排序：先“板块”后“涨幅”
实际分析中，单一排序往往不够。比如你要做板块内比较，希望先按标的代码分组，再按涨幅降序排，那就需要多重排序：
df.sort_values(by=["code", "return"], ascending=[True, False])注意这个操作的两个细节：
by列表里放的是排序关键字，顺序代表优先级，"code"是主排序，"return"是次排序；ascending列表要和by一一对应，True表示升序，False表示降序。
如果你用的是多层索引 DataFrame，也可以直接用sort_index(level=[0, 1])按层级排序，但可读性不如sort_values清晰。我建议初学阶段先掌握sort_values的多重写法就够了。
3.4 只取前几名：nlargest 比 sort 更高效
有时候你并不想关心完整排序结果，只想知道“涨幅最大的 5 天”或者“成交量最大的 10 天”。这时用nlargest和nsmallest比“先 sort 再 head”更高效:
df.nlargest(5, columns="return")这个函数只找出前 N 个最大值的行，不需要把整张表排一遍，数据量大的时候性能差距很明显。如果你用的是聚宽研究环境拉多年全市场数据，这种细节能帮你省不少内存。
同理，找最小值用nsmallest：
df.nsmallest(3, columns="volume")日常复盘时，这两个函数是我使用频率很高的工具，比“sort_values 后切片”更直白。
4. 筛选：从一批数据里挑出你真正想要的
4.1 单条件筛选：布尔索引进场
筛选是 Pandas 里最有价值的一类操作，因为它直接帮你做“选股”的雏形。最简单的单条件筛选长这样：
df[df["close"] > 10]方括号里放的是一个布尔 Series，结果只有满足条件的行会被保留。原理你可以理解成：Pandas 拿着这张“哪些行满足条件”的清单，把对应行挑出来。
为了避免和按列名取数的用法混淆，我推荐用.loc写法：
df.loc[df["close"] > 10].loc明确表示这里是按标签、布尔条件取数，某种程度上比df[...]更严谨一些。当然两种写法结果一样，看你个人习惯。
4.2 多条件筛选与 &、|、~ 的优先顺序
多条件筛选是新手的重灾区，我当年也在这里卡了很久。假设你想找“涨幅超过 3% 且成交量大于平均成交量”的日子，直觉可能会写：
# 错误示范：不要这么写 df[(df["return"] > 3) & (df["volume"] > df["volume"].mean())]这里有两个关键点：
- 必须用
&（按位与），不能用 Python 的and； - 每个条件都要单独用小括号括起来，否则会报错或者得到错误结果。
为什么不能用and？因为and是 Python 层面的短路运算符，它要求两边的值都是可明确判断真假的一个布尔值，而 Series 是一组布尔值，Pandas 不知道你到底想判断“所有元素都满足”还是“任意一个满足”，所以会抛异常：The truth value of a Series is ambiguous。
同理，取反操作要用~：
df.loc[~(df["close"] < 10)]如果要实现“或”的条件，用|。务必记住：&、|、~是位运算符，它们对布尔 Series 的每个元素逐个操作，所以必须用小括号保证运算优先级。
4.3 更舒服的筛选：between、isin、query
除了布尔索引，Pandas 还提供了一些“语法糖”，能让代码更可读。
区间筛选用between：
df[df["close"].between(8, 12)]这个写法等价于(df["close"] >= 8) & (df["close"] <= 12)，但明显更简洁。注意是闭区间。
多值匹配用isin：
target_codes = ["代码A", "代码B"] df[df["code"].isin(target_codes)]这个在按股票池过滤时特别常用。比如你想只看某几个行业里的标的，先把它们的代码放进列表，然后用isin一次性过滤。
如果条件比较多，布尔索引会变得很臃肿，此时可以试试query：
df.query("return > 3 and volume > 1000000")query的字符串写法下，and是允许的，不必再加括号，读起来更接近自然语言。但我个人建议：如果条件逻辑复杂，还是老老实实写布尔索引，因为调试时可以直接看到每个条件的中间结果。
4.4 按行筛选和按列筛选，别搞混了
筛选有两个方向，初学者特别容易混：
- 按行筛选：
df[df["return"] > 0]，得到的是部分行； - 按列筛选：
df[["close", "return"]]，得到的是部分列。
区别是方括号里放的东西不一样。放的是一列名字的列表，它取列；放的是一个布尔 Series，它取行。还有个小细节：df["close"]返回的是 Series，而df[["close"]]返回的是 DataFrame。如果你后面还要对结果做.columns之类的操作，这个区别会影响行为。
5. 组合实战：一个“连续上涨观察列表”是怎么做出来的
5.1 需求拆解：找连续两天上涨的标的
前面几个章节是零件，这一节我们组装起来。假设我现在想做一个小工具：选出最近一段时间里“连续两天上涨”的标的，并且按涨幅从高到低排个序，作为第二天开盘前的观察列表。
这不是完整的交易策略，但足够练手，而且正好覆盖了插入列、排序、筛选三个核心操作。需求拆解一下：
- 拉取多个标的的日线收盘价；
- 计算每只标的的每日涨跌幅；
- 判断“今天上涨”且“昨天也上涨”；
- 筛选出满足条件的记录；
- 按涨幅降序排序，取前几名。
5.2 数据准备：多标的数据怎么组织
先准备一个代码列表，这里用占位符表示，实际替换成你关注的标的：
securities = ["标的A代码", "标的B代码", "标的C代码"] frames = [] for sec in securities: t = get_price(sec, start_date="2024-01-01", end_date="2024-05-01", frequency="daily", fields=["close", "open", "high", "low", "volume"]) t["code"] = sec frames.append(t) df_all = pd.concat(frames).reset_index(drop=True) df_all.head()这段代码做了几件事：
- 用循环逐个取数，避免一次传多个标的时返回多层索引带来的复杂度；
- 给每个 DataFrame 加一列
code，记录标的代码； - 用
pd.concat(frames)做纵向拼接，把不同标的的行情放到同一张表里； - 重置索引，让时间不再是索引，而变成普通列。
经过这几步，df_all的表结构就是：index（原时间序列）、close、open等列、以及code列。名字看着有点乱，可以顺手重命名：
df_all = df_all.rename(columns={"index": "date"})5.3 插入列、筛选、排序一气呵成
有了多标的统一表，后面就顺畅了。先算每只标的的涨跌幅：
df_all["return"] = df_all.groupby("code")["close"].pct_change() * 100这里用了groupby("code")，是为了让每只标的单独计算涨跌，而不是跨标的算前一只和后一只的价差。这是多标的处理里非常关键的一步，不做分组的话，结果一定错。
接着判断“昨天是否也涨”。把涨跌幅这一列按标的分组平移一行：
df_all["prev_return"] = df_all.groupby("code")["return"].shift(1)现在筛选条件就清晰了：今天涨、昨天也涨：
cond = (df_all["return"] > 0) & (df_all["prev_return"] > 0) df_signal = df_all.loc[cond]最后排序取前几名：
df_signal = df_signal.sort_values(by="return", ascending=False) df_signal.reset_index(drop=True, inplace=True) df_signal.head(10)这个组合流程并不复杂，但它把第二节的插入列（return和prev_return）、第三节的排序（sort_values）、第四节的筛选（布尔索引）全部串了起来。如果每一步都吃透了，你再看聚宽社区里很多选股逻辑，就会发现基本都是这种套路。
5.4 把结果用起来：回测和监控场景
拿到df_signal后，下一步可以做很多事：
- 打印出来复盘，大概扫一眼哪些代码连续走强；
- 导出成 CSV 或存到本地，后续人工确认；
- 把筛选条件写进聚宽策略的
handle_data里，变成自动下单逻辑。
我自己更推荐先在研究环境里跑通，再移植到回测。因为研究环境调试方便，可以随时打印中间结果，而回测环境里数据量大、执行循环频繁，不适合做复杂 Pandas 操作。策略里应该尽量轻量，重活放在研究阶段。
6. 聚宽环境里常见的 Pandas 报错与避坑笔记
6.1 SettingWithCopyWarning 烦人警告
我在一开始提到的坑，这里专门展开说。当你写出这样的代码时：
# 容易触发 Warning 的写法 df_filtered = df[df["close"] > 10] df_filtered["flag"] = 1Pandas 大概率会弹出SettingWithCopyWarning，翻译过来就是：“你修改的可能是原表的一个副本，不一定真的写进去了。”这种警告不会让程序崩溃，但结果可能不符合预期。
解决办法很简单：在切片之后显式复制：
df_filtered = df[df["close"] > 10].copy() df_filtered["flag"] = 1加.copy()看起来像个仪式感，实际上它明确告诉 Pandas：这是一张独立的新表，随便改。这是我个人最推荐的“保命”习惯——任何时候要对筛选结果新增列、修改值，先copy()再说。
提示：不要对链式索引结果直接赋值，比如
df[df["close"]>10]["flag"]=1。Pandas 官方文档也建议避免链式赋值。
6.2 时间索引与时区带来的日期偏移
聚宽返回的行情索引是DatetimeIndex，一般不带时区名称，但不同接口混用时，偶尔会遇到带时区的时间和没带时区的时间合并后对不上的问题。
我遇到的情况是：把get_price的结果和另一个带时区的时间列做merge，结果发现日期总差 8 小时。排查后才发现是时区信息不一致。
通用解法是把时间列统一成纯日期，或者统一转换成无时区时间戳：
df["date"] = pd.to_datetime(df["date"]).dt.tz_localize(None)如果你只是想按月份筛选，更简单的做法是把月份直接取出来当普通列：
df["month"] = df.index.month df.loc[df["month"] == 2]这样彻底避开时区问题，也能满足大多数按月回看的场景。
6.3 NaN 处理：dropna 与 fillna 的取舍
插入列时，pct_change()和rolling()会在头部产生一批 NaN。NaN 不处理，排序时它们会堆积到最后，筛选时很多条件会把它们挡在外面，但如果你直接用这些列做回测信号，策略就会出问题。
处理思路无非两个方向：
- 删除：
df.dropna(subset=["return"])，去掉缺失行； - 填充：
df.fillna(0)，把 NaN 填成 0。
在计算涨跌幅时，第一行本来就没有参考值，填 0 和删掉都不影响后面分析。但在计算均线时，前 4 天的均线本身就不该存在，用dropna()更合理。关键是想清楚：这个 NaN 是“计算还没完成”还是“数据本身缺失”。前者建议填充，后者建议删除。
6.4 命名冲突和列名规范
聚宽 API 自带一些字段名，比如close、high、low、volume、factor。你新增列时，如果取名太随意，可能会覆盖或混淆原有语义。
我自己的规范是：
- 新增计算指标加前缀，比如
my_ma5、signal_roc； - 中文列名能用，但不建议大量使用，尤其在
query和某些底层函数里，中文字符串容易出隐性编码问题； - 关键计算列用英文短横线风格，比如
daily_return，阅读起来比涨跌幅更通用。
表格整理一下常见报错和对应的解决办法：
| 现象 | 原因 | 解决办法 |
|---|---|---|
The truth value of a Series is ambiguous | 多条件时用了and/or | 改成&/|，每个条件加括号 |
SettingWithCopyWarning | 对切片结果直接赋值 | 筛选后先.copy() |
| 新增列全为 NaN | 索引没有对齐 | 统一索引，或使用.values取出底层数据 |
| 排序后 index 乱序 | 行号保留原位 | 排序后.reset_index(drop=True) |
| 多标的数据涨幅算错 | 没按标的groupby | 使用groupby("code")后再算pct_change |
| 时间列对不上 | 时区信息不一致 | 统一转成无时区时间戳或取年月字段 |
这些小问题在聚宽实战里非常常见。我的习惯是：每次从聚宽 API 拿到数据，不急着分析，先执行三步——df.shape看大小，df.dtypes看类型，df.head()看内容。不管后续是插入列、排序还是筛选，这三步都能在第一时间把数据问题暴露出来。
最后再分享一个小技巧：当你写完一段 Pandas 处理代码，先挑一个最小数据集跑通，再放到全量数据上执行。我在聚宽上更多时候不是被语法难住，而是被“数据规模大了之后的内存与性能问题”拖住。把流程从小处打通，再放大执行，能省下大量调试时间。
Pandas 初体验的这三个操作，练完一遍你就能感受到，它没有想象中复杂，但每一个细节都值得亲手敲一遍。希望这篇能帮你在聚宽平台上少踩几个坑。
