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)
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：
!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！
利用ffn取得股價
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！
import ffn
prices = ffn.get('2330.TW, 1101.TW')
prices.head()
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：
prices.plot()
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」：
ffn提供的functions
prices.rebase().plot()
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！
下跌幅度
我們可以藉由ffn來計算並比較dropdown，也就是比較虧損的幅度：
prices.to_drawdown_series().plot()
或是我們之前教過的heatmap，也一行就搞定了
prices.plot_corr_heatmap()
最後我們也可以來計算這兩檔股票的歷史數據分析：
stats = prices.calc_stats()
stats.display()
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！
