数据分析——pandas作业2

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