- 博客(4)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 pands最快入门（三）-统计与缺失值处理
pands统计本系列教程采用的数据为上证01号股票数据，感谢Tushare金融社区的数据分享isnull和notnull:用于检测是否为空值，可用于df和seriesdropna:删除缺失值fillna:填充缺失值import pandas as pddf=pd.read_excel('000001.SZ.xlsx',encoding='gbk')#inpalce控制生成新的df或者替换原来的dfdf.set_index('trade_date',inplace=True)df.hea
2021-10-02 12:54:06
399
原创 pandas最快入门（二）-查询与新增
Pandas df.loc查询数据import pandas as pd读取数据df=pd.read_excel('000001.SZ.xlsx',encoding='gbk')df.head() ts_code trade_date open high low close change pct_chg vol amount p
2021-10-01 14:35:40
220
原创 pandas最快入门(一）-读取与数据结构
pandas读取文件读取csv文件import pandas as pd#读取csv文件fpath="test.csv"df=pd.read_csv(fpath,encoding='gbk')#查看前几行df.head() 编号 操作方式 催化剂总质量（mg） HAP:Co/SiO2 Co/SiO2（wt%） 乙醇浓度（ml/min） 温度 乙醇转化率（%）
2021-10-01 11:25:15
322
原创 基于LSTM与Transfomer的股票预测模型
基于LSTM与Transfomer的股票预测模型1 项目介绍股票行情是引导交易市场变化的一大重要因素，若能够掌握股票行情的走势，则对于个人和企业的投资都有巨大的帮助。然而，股票走势会受到多方因素的影响，因此难以从影响因素入手定量地进行衡量。但如今，借助于机器学习，可以通过搭建网络，学习一定规模的股票数据，通过网络训练，获取一个能够较为准确地预测股票行情的模型，很大程度地帮助我们掌握股票的走势。本项目便搭建了**LSTM（长短期记忆网络）**成功地预测了股票的走势。首先在数据集方面，我们选择上证0000
2021-07-21 14:21:31
10428
10
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人