用于大规模数据分析的Xarray或Multi Index DataFrame

Question

我刚刚找到了如何将{（3}}

的历史股票价格导入数组

我是使用此代码

完成的

import pandas_datareader as pdr
import pandas as pd
import numpy as np
import fix_yahoo_finance as yf

#yf.pdr_override()

source = 'yahoo'
stocks = ['AAPL', 'AMZN', 'MSFT', 'GOOG', 'GE']
start = '2017-01-01'
end_date = '2017-12-10'

data_array = pdr.DataReader(stocks, source, start,)['Adj Close']

print (data_array)

问题是我有警告

  

Panel已弃用，将在以后的版本中删除。该   推荐的方式来表示这些类型的三维数据   通过Panel.to_frame（）方法在DataFrame上使用MultiIndex   或者，您可以使用xarray包   http://www.pythonforfinance.net/2017/01/21/investment-portfolio-optimisation-with-python/。熊猫提供.to_xarray()   帮助自动执行此转换的方法。

所以我需要建议，我的目标是将数据保存为CSV或excel文件。第二步是取最后x天价格的平均值，然后将当前价格除以平均值，最后在每天的股票上做一个百分比排名。考虑到多个步骤，我想把它全部写进去，一步一步地进行，并且不必每天重新计算所有历史记录。

问题：鉴于这个目标，什么是更好的方法：数据框架上的Xarray或MultiIndex？