用pd.merge()方法將今天股票資料和過去N1天股票資料合併在一張dataframe中，將今天資料和過去資料比較進行選股
選股策略：今天股票的收盤價和換手率均超過3%，但前N1=10天股價收盤價的方差最小的（收盤價基本水平運動，突然放量漲起來的股票）（類海龜法則）
注：海龜法則：1.收盤價高於過去N1天最高價買入；2.收盤價低於過去N2天最低價賣出；

第一步：pd.concat的應用，將資料載入到一個dataframe中

import pandas as pd
dates=range(20161010,20161022)
pieces=[]
for date in dates:
    path='%d/stock overview.csv'%date
    data
 
=pd.read_csv(path,encoding='gbk')
    pieces.append(data)

data=pd.concat(pieces,ignore_index=True)

第二步：進行groupby分組操作，用groupby().std（）方法計算方差，按收盤價排序；
注意，groupby中的欄位使用MultiIndex的機構返回，這是我們要用groupby中的欄位再二次處理，使用pd.merge()函式就有問題了
使用reset_index()的方法，將MultiIndex的多層索引重置為0，1，2，….這樣原來groupby返回的多層索引就可以直接轉出列了，可以用繼續二次處理了；

index_data=data[['股票程式碼','股票名稱','交易日期','漲跌幅','換手率','最高價','最低價','開盤價','收盤價']]
index_data=index_data.groupby(['股票程式碼']).std().sort('收盤價')
index_data=index_data.reset_index()

第三步：載入今天的股票資料，使用pd.merge()函式合併今天的股票資料和前N1天的股票資料

data_1021=pd.read_csv('20161021/stock overview.csv',encoding='gbk')
data_1021=data_1021[['股票程式碼'
 
, '股票名稱','新浪行業', '新浪概念', '新浪地域','漲跌幅', '換手率', '流通市值','量比','市盈率TTM', '市銷率TTM', '市現率TTM', '市淨率','MA金叉死叉','MACD_金叉死叉','KDJ_金叉死叉']]
pd.set_option('display.max_columns',50)
data_all=pd.merge(data_1021,index_data,on='股票程式碼')

第四步：對合並後的資料進行篩選操作，篩選策略如上文，也可以自己定

data=data_all[(data_all.漲跌幅_x>0.03) & (data_all.換手率_x>0.03)]
data=data[data.流通市值<5000000000]
data=data.sort('收盤價')
data.shape