和鲸学习笔记-3

我正在和鲸社区参加“xxxx商业分析师 Python 训练营 BA1：应用入门活动”  商业分析师 Python 训练营 BA1：应用入门 - Heywhale.com，以下是我的学习笔记：

学习主题：商业数据存取

日期：2023.9.14

关键概念/知识点：

• 用pandas读取本地文件，用pd.to_csv( )或pd.to_excel( )将数据保存
• 用.head()、tail( )、sample(10)等方法预览数据
• 用tushare库获取股票、基金、期货、数据货币等行情数据
• 用Pandas_datareader库获取谷歌金融数据Google Finance、英格玛数据Enigma等数据

掌握的新函数/方法：

• groupby()
• agg()
• pd.to_datetime( )

代码举例：

# 示例代码 
grouped = stock_data.groupby('ts_code')    

aggregated = grouped['open', 'close'].agg(['mean', 'max', 'min'])

# 将trade_date列转换为日期格式
stock_data['trade_date'] = pd.to_datetime(stock_data['trade_date'], format='%Y%m%d')

# 按照股票代码（ts_code）和年份（trade_date）进行分组，并计算成交量（vol列）的总和
grouped_data = stock_data.groupby(['ts_code',pd.Grouper(key='trade_date',freq='Y')])['vol'].sum()

关键总结：

• group分组后用agg对多列应用聚会函数，提高效率
• 学到了用两种库读取商业数据的方法
• 对股票数据的代码和年份分组以及画最高值（high列）的折线变化图之前，需要先将日期由字符串格式转化为时间格式

问题/困惑：

• 不熟悉时间的字符串格式和时间格式及相关转化
• 需要更多关于分组函数groupby()的练习

下一步计划：

• 了解更多数据清洗的方法，练习日期格式转化
• 完成分组函数的练习

参考资料/相关资源链接：

• Pandas文档:pandas documentation — pandas 2.1.0 documentation