2021-1-27 作业

import pandas as pd

# 读取文件
cat_df = pd.read_csv("catNames2.csv")  

# 1.使用次数超过800的猫的名字
cnt = cat_df[cat_df["Count_AnimalName"] > 800]

sort = cnt.sort_values(by="Count_AnimalName",ascending=False)

print("使用次数超过800的猫的名字：")
print(sort)

# 2.获取使用次数最高的名字，将数据按降序排列
sort2 = cat_df.sort_values(by="Count_AnimalName", ascending=False)

# 利用索引取出第一行，因为需求是要取使用次数最高的猫的名字，根据sort2已经处理好降序排序了，所以取第一行([:1])。
max_cnt = sort2[:1]  
print("使用次数最高的名字:")
print(max_cnt)

import pandas as pd
 
# 读取数据，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

print(wly_data.info())

# 计算每一天各指标的差异值
print("每一天各指标的差异值:")
print(wly_data.diff())

# 计算其 pre_close 的增长率
print("pre_close 的增长率:")
print(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_data["pre_close"].pct_change()  # DataFrame新增列
print(wly_data)

# 将 pct_change 该列 呈现的 NaN 用0填充
wly_data.fillna(value = 0, inplace = True)
print(wly_data)

# 查看 pre_close 与 pct_change 的相关性
print(wly_data["pre_close"].corr(wly_data["pct_change"]))

# 将 pct_change 这列乘以100 保留两位小数 成为百分比，用到匿名函数

print("修改后的pct_change为:")
func = lambda x: "%.2f%%" % (x * 100)

# 利用apply()对 pct_change 这一列进行修改
wly_data["pct_change"] = wly_data["pct_change"].apply(func)  
print(wly_data["pct_change"])