当我们能够放进大量数据的时候，有的时候我们只需要选取一部分数据进行处理即可。此时，我们就需要用到切片了。

例如，我们现在有2010-01-01到2010-12-31这一年的数据。

1. 行切
   我们想选取其中某一个月的数据来进行处理
   我们就可以这样使用
   print df.ix[2010-01-01':'2010-12-31']

2. 列切
   选择特定的列来进行比较
   print df['GOOG']
print df[['IBM','GLD']]
   里面需要一个列表

3. 组合切
   print df.ix['2010-03-10':'2010-03-15',['SPY','IBM']]

作图
我们需要调用第三方库

import matplotlib.pyplo as plt
def plot_stock(df):
    df.plot()
    plt.show()

简单的几行代码就可以实现作图。
这样的图是不完整的

运行结果

我们还需要说明表头，好需要表明X轴与Y轴的含义
这个我们需要把图片看作是一个对象

def plot_data(df,title = "Stock prices"):
    ax = df.plot(title = title,fontsize =12)
    ax.set_xlabel("Date")
    ax.set_ylabel("price")
    plt.show()

运行结果

更进一步，我们可以选择特定时间的特定股票进行比较。具体要使用到切片

def plot_selected(df,columns,start_index,end_index):
    plot_data(df.ix[start_index:end_index,columns],title= "selected data")

选取了特定的股票与时间

但是这个时候，我们还是难以比较不同的股票。我们可以进行归一化。

在python中，我们只需要一行代码就可以将其归一化

def normalize_data(df):
   return df/df.ix[0,:]

运行结果

这个时候，我们可以轻易地看得出，在用量纲上不同股票的表现。