使用Pandas分析世界各国的汇率

最新推荐文章于 2025-03-19 13:26:20 发布

Python学研大本营

最新推荐文章于 2025-03-19 13:26:20 发布

阅读量348

点赞数

文章标签： pandas python 开发语言

本文链接：https://blog.csdn.net/weixin_39915649/article/details/130810843

版权

世界货币汇率——策划和发布仪表板

微信搜索关注《Python学研大本营》，加入读者群，分享更多精彩

本说明的目的是讨论如何轻松处理公开可用的数据，让我们更深入地了解下划线故事，否则我们无法通过查看其原始版本来感知。例如，让我们使用货币数据（汇率对美元）来构建此分析。

下载数据

该数据可在IMF 网站上获得。通过选择此处列出的可能选项，可以轻松下载汇率，如下图所示。

图 1——IMF 汇率下载页面截图

整理数据

下载此数据后，需要对其进行整理以供进一步处理。原始数据的示例图片如下。

图 2 — 原始数据截图

现在，你注意到红色方框锚定的细胞了吗？这些单元格包含必须删除的数据（如行 - 1 和 2）或需要预先填充前面的数据，以便“平均函数”（我们将在稍后使用）正常工作。为什么我们需要 AVG 函数？原因——Tablaue 需要某种形式的聚合才能工作——我们将在此处使用的可视化工具。最终在这里起作用的唯一“聚合”形式是“AVG”，因为当我们决定使用“月份”、“季度”缩小数据轴时，“SUM”最终将添加所有相邻的货币汇率”和“年”作为聚合器. 此外，如果不使用上述数据预填充空单元格中的数据，将导致“AVG 函数”抛出不正确的结果，因为在执行“平均”时，Tablaue 将以最低粒度运行它，在该数据集中设置为级别的“日”。

策展中的问题

但是用上面的数据填充数据会给我们带来一些严重的问题。为什么？由于空白单元格可能是“不可用数据”的结果，它可能会排成多行——使整体分析变得混乱，从而导致错误的结论。幸运的是，我们可以很容易地处理这个问题。如何？在预填数据的日子里，汇率值将保持不变，并且可以在计算 %Change 时轻松过滤掉这些数据，这将导致零 — 可以轻松地从其余数据中过滤掉。

策展过程

对于预填充，可以使用 excel 和 python 完成具有上述值的空单元格。我发现 python 更简单、更方便。下面列出了用于该目的的代码。

file_to_process = "IMF_Currency_Rates.csv"

with open(file_to_process,"r") as file:
    df = pd.read_csv(file)

df =df.fillna(method='ffill')
df.to_csv("currencyratesimf.csv")

精选文件的快照嵌入在下图中。

图 3 — 用于可视化的精选文件

注意——为了使可视化工具无缝运行，请确保将 B 列的类型更改为“日期类型”——在 CSV 文件中手动更改或使用处理代码。否则 Tablaue 将简单地忽略这些在输入文件中错误键入数据字段的行。

数据可视化

下图给出了 Tablaue 工作表的快照。

图 4 — Tablaue 工作表快照

请注意，此工作表中的关键成分是一些计算——源自原始数据。请注意，在您开始此过程之前，请使用 Tablaue 的数据透视功能对原始数据进行数据透视，这样您就可以将所有国家/地区汇总到一个列中，将汇率汇总到另一个列中。

计算百分比变化

现在为了计算汇率的变化百分比，我们需要查找我们计划用来比较当前汇率的汇率。这可以通过使用 Tablaue 的内置 LOOKUP 函数轻松完成。代码嵌入在下图中。

图 5 — 查找率公式

%Change 可以使用上面的方法轻松计算，如下所述。请注意，此公式有一个名为“视图中的时间单位”的字段。这是一个用户定义的参数，可以灵活地更改查看窗口的宽度。

图 6 — %Change 的公式

接下来，我们需要一个“DateFilter”，以便我们能够从查看窗口中删除所有不必要的混乱，如我之前的笔记“Tableau - 管理窗口的视图”中所述

排序窗口数据

通过以上所有这些计算，我们几乎完成了，除了一个。什么？我们需要仪表板根据 %Change 的值对数据进行排序。现在，为了排序工作，我们需要为 Tablaue 提供一个特定的列，而不是很多。因此，我们必须选择一个特定的列（从参数“视图中的时间单位”定义的许多列中）。对于本练习，我决定选择最后一列。启用该列的公式如下。