数据分析作业9

练习1

读取 catNames2.csv 文件，完成需求如下：

• 找到所有的使用次数超过800的猫的名字

import pandas as pd

# 读取文件数据
catNames = pd.read_csv("catNames2.csv")
catNames = catNames[catNames["Count_AnimalName"]>800]

• 获取用次数最高的名字

catNameIDMax = catNames["Count_AnimalName"].idxmax()
catBestName = catNames["Row_Labels"][catNameIDMax]

输出结果：

'BELLA'

练习2

• 读取 五粮液2020.xlsx 数据，指定 索引为0列 为 行索引

wly_data = pd.read_excel("五粮液2020.xlsx",index_col=0)

• 查看 该数据的基本信息

wly_data.info()

• 计算每一天各指标的差异值

wly_data.diff()

• 计算其 pre_close 的增长率
• 将 pre_close 的增长率添加至 wly_data 数据中

# 计算其 pre_close 的增长率
wly_pct_change = wly_data["pre_close"].pct_change()
# 将 pre_close 的增长率添加至 wly_data 数据中
wly_data["pct_change"] = wly_pct_change

• 将 pct_change 该列 呈现的 NaN 用0填充

wly_data.fillna(value=0,inplace=True)

• 查看 pre_close 与 pct_change 的相关性

wly_data["pre_close"].corr(wly_data["pct_change"])

输出结果：

-0.02569885399397468

• 将 pct_change 这列乘以100 保留两位小数 成为百分比

func = lambda x:"%.2f%%"%(x*100)
wly_data["pct_change"] = wly_data["pct_change"].apply(func)