Question

我目前正在尝试建立一个由每日美国国债利率组成的数据框架。正如您所看到的，pandas会自动对列进行格式化，以便它们按顺序排列，这显然是我不想要的。这是我的一些代码。我只需要做一个小例子来展示我遇到的问题。

import quandl
import matplotlib.pyplot as plt

One_Month = quandl.get('FRED/DGS1MO')

^^重复所有费率

Yield_Curve = pd.DataFrame({'1m': One_Month['Value'], '3m': Three_Month['Value'], '1yr': One_Year['Value']})
Yield_Curve.loc['2017-06-22'].plot()
plt.show()

Yield_Curve.tail()


             1m      1yr     3m
Date            
2017-06-16  0.85    1.21    1.03
2017-06-19  0.85    1.22    1.02
2017-06-20  0.88    1.22    1.01
2017-06-21  0.85    1.22    0.99
2017-06-22  0.80    1.22    0.96

正如我所说，我只在数据帧中添加了三个费率，但显然两年，三年和五年的费率也会引起问题。

我做了一些搜索并看到了这篇文章： Plotting Treasury Yield Curve, how to overlay two yield curves using matplotlib

虽然使用上一篇文章中的代码显然有用，但我能够保留我当前的数据集（One_Month，Three_Month ....）来执行此操作，因为我也将它们用于其他分析。

问题：我有办法锁定列顺序吗？

感谢您的帮助！

Answer 1

如果您要定义列顺序，可以使用reindex_axis()：

df = df.reindex_axis(labels=['1m', '3m', '1yr'], axis=1)

df
              1m    3m   1yr
Date                        
2017-06-16  0.85  1.03  1.21
2017-06-19  0.85  1.02  1.22
2017-06-20  0.88  1.01  1.22
2017-06-21  0.85  0.99  1.22
2017-06-22  0.80  0.96  1.22

Answer 2

如果您不想更改原始列顺序，尽管您需要排序列到财务表示法，我猜您应该制作自己的自定义列顺序，如下所示。

fi_col = df.columns.str.extract('(\d)(\D+)', expand=True).sort_values([1, 0]).reset_index(drop=True)
fi_col = fi_col[0] + fi_col[1]

print(df[fi_col])

              1m    3m   1yr
Date                        
2017-06-16  0.85  1.03  1.21
2017-06-19  0.85  1.02  1.22
2017-06-20  0.88  1.01  1.22
2017-06-21  0.85  0.99  1.22
2017-06-22  0.80  0.96  1.22

Answer 3

使用pandas-datareader，您可以将符号指定为一个列表。除了使用@Andrew L建议的reindex_axis之外，您还可以传递一个带有两个括号的有序列列表，请参阅下面的最后一行，以指定列顺序。

from pandas_datareader.data import DataReader as dr
syms = ['DGS10', 'DGS5', 'DGS2', 'DGS1MO', 'DGS3MO']
yc = dr(syms, 'fred') # could specify start date with start param here
names = dict(zip(syms, ['10yr', '5yr', '2yr', '1m', '3m']))
yc = yc.rename(columns=names)
yc = yc[['1m', '3m', '2yr', '5yr', '10yr']]

print(yc)
              1m    3m   2yr   5yr  10yr
DATE                                    
2010-01-01   NaN   NaN   NaN   NaN   NaN
2010-01-04  0.05  0.08  1.09  2.65  3.85
2010-01-05  0.03  0.07  1.01  2.56  3.77
2010-01-06  0.03  0.06  1.01  2.60  3.85
2010-01-07  0.02  0.05  1.03  2.62  3.85
         ...   ...   ...   ...   ...
2017-06-16  0.85  1.03  1.32  1.75  2.16
2017-06-19  0.85  1.02  1.36  1.80  2.19
2017-06-20  0.88  1.01  1.36  1.77  2.16
2017-06-21  0.85  0.99  1.36  1.78  2.16
2017-06-22  0.80  0.96  1.34  1.76  2.15

yc.loc['2016-06-01'].plot(label='Jun 1')
yc.loc['2016-06-02'].plot(label='Jun 2')
plt.legend(loc=0)

Answer 4

您还可以直接从美国财政部的网站（每天更新）中提取所有历史汇率：

from bs4 import BeautifulSoup
import requests
import pandas as pd

soup = BeautifulSoup(requests.get('https://data.treasury.gov/feed.svc/DailyTreasuryYieldCurveRateData').text,'lxml')
table = soup.find_all('m:properties')
tbondvalues = []
for i in table:
    tbondvalues.append([i.find('d:new_date').text[:10],i.find('d:bc_1month').text,i.find('d:bc_2month').text,i.find('d:bc_3month').text,i.find('d:bc_6month').text,i.find('d:bc_1year').text,i.find('d:bc_2year').text,i.find('d:bc_3year').text,i.find('d:bc_5year').text,i.find('d:bc_10year').text,i.find('d:bc_20year').text,i.find('d:bc_30year').text])
ustcurve = pd.DataFrame(tbondvalues,columns=['date','1m','2m','3m','6m','1y','2y','3y','5y','10y','20y','30y'])
ustcurve.iloc[:,1:] = ustcurve.iloc[:,1:].apply(pd.to_numeric)/100
ustcurve['date'] = pd.to_datetime(ustcurve['date'])

matplotlib美国国债收益率曲线

4 个答案: