Pandas 的 DataFrame 可以很方便的幫我們處理時間序列，只需要短短幾行，就能達到在其他程式語言要寫數十行的功能。

但是DataFrame就夠了嗎？

當我們在處理財務金融時，常常會需要分析時間序列（例如股價），雖然我們可能都知道什麼是maximum dropdown、什麼是sharp ratio，什麼是daily return，但是有時候用dataframe來計算，還是免不了寫一些數學計算，增加程式碼的複雜度，讓閱讀程式碼變得比較辛苦。

救星：ffn (Financial Functions for Python)

ffn (Financial Functions for Python) 時間序列分析套件介紹

所以這時候，你的救星就出現了，叫做 ffn，ffn是一個分析時間序列的package，只要 import ffn，你的 dataframe 就會瞬間多了很多能力！接下來我們就來看看是什麼能力吧！

這次的程式碼都會在google colab上，大家可以直接打開網頁就開始跟我們一起玩耍吧！

首先，我們必須要先安裝ffn，安裝的方式非常的直覺：

      
        顯示程式碼
        
      !pip install ffn

這樣就安裝好囉！上式中的驚嘆號代表我們將這段command line語法，輸入在jupyter來安裝，這又就不需要額外再開啟terminal了！

安裝好了之後我們就可以開始寫程式囉！

有了ffn我們可以很輕易的取得多檔股票的股價，ffn的底層是使用yahoo api，所以同樣也可以抓台股或其他國際股市喔！

      
        顯示程式碼
        
      import ffn
 
prices = ffn.get('2330.TW, 1101.TW')
prices.head()

用 ffn.get 取得台積電與台泥股價的 DataFrame

可以發現這個股價的格是就是我們熟悉的dataframe耶！所以我們一樣可以使用一些dataframe既有的功能，例如「.plot」來繪圖：

      
        顯示程式碼
        
      prices.plot()

用 DataFrame 的 plot 繪製台積電與台泥股價走勢圖

繪完圖後發現，雖然我們可以比較「2330」台積電，跟「1101」台泥的股價，但是他們的起始股價是不一樣的，所以無從比較報酬率。

想要比較報酬率，我們可以用「ffn」新增的額外功能「rebase」：

      
        顯示程式碼
        
      prices.rebase().plot()

用 ffn 的 rebase 將股價起始值統一後比較報酬率

這樣就可以讓股價的起始值相同囉！這是ffn提供的眾多功能之一，但你不用額外學一個新的資料表示法，而是直接對dataframe操作就可以了！所以說ffn有點像是dataframe的補充包，讓我們來看看還有哪些好用的功能吧！

我們可以藉由ffn來計算並比較dropdown，也就是比較虧損的幅度：

      
        顯示程式碼
        
      prices.to_drawdown_series().plot()

用 ffn 的 to_drawdown_series 繪製股票下跌幅度走勢圖

或是我們之前教過的heatmap，也一行就搞定了

      
        顯示程式碼
        
      prices.plot_corr_heatmap()

用 ffn 的 plot_corr_heatmap 繪製股票相關係數熱力圖

最後我們也可以來計算這兩檔股票的歷史數據分析：

      
        顯示程式碼
        
      stats = prices.calc_stats()
stats.display()

用 ffn 的 calc_stats 計算台積電與台泥的歷史數據分析統計表

這個輕量級的package有很多簡單的語法，可以快速幫助我們進行報酬率的分析而且所有的功能都是使用dataframe擴增，所以不用擔心要學新的結構，滿小巧可愛的！大家可以安裝起來玩玩看喔！