目录
第一题
1.读取 五粮液2020.xlsx 数据
2.查看该数据的基本信息
3.计算每一天各指标的差异值
4.计算其 pre_close 的增长率
5.将 pre_close 的增长率添加至数据中(新增列)
6.将 pct_change 该列 呈现的 NaN 用0填充
7.查看 pre_close 与 pct_change 的相关性
8.将 pct_change 这列乘以100 保留两位小数 成为百分比
1.读取 五粮液2020.xlsx 数据
- 代码
import numpy as np
import pandas as pd
wly_data = pd.read_excel('五粮液2020.xlsx')
print(wly_data)
- 运行结果
2.查看该数据的基本信息
- 代码
print(wly_data.info())
print(wly_data.describe())
- 运行结果
3.计算每一天各指标的差异值
- 代码
print(wly_data.loc[:,'open':'pre_close'].diff())
- 运行结果
4.计算其 pre_close 的增长率
- 代码
print(wly_data['pre_close'].pct_change())
- 运行结果
5.将 pre_close 的增长率添加至数据中(新增列)
- 代码
wly_data['pct_change'] = wly_data['pre_close'].pct_change()
print(wly_data)
- 运行结果
6.将 pct_change 该列 呈现的 NaN 用0填充
- 代码
wly_data['pct_change'].fillna(0,inplace=True)
print(wly_data)
- 运行结果
7.查看 pre_close 与 pct_change 的相关性
- 代码
print(wly_data[['pre_close','pct_change']].corr())
- 运行结果
8.将 pct_change 这列乘以100 保留两位小数 成为百分比
- 代码
wly_data['pct_change'] = wly_data['pct_change'].apply(lambda x: '%.2f%%'%(x*100))
print(wly_data)
- 运行结果