数分析作业四

1：题目

题目要求

• 读取 五粮液2020.xlsx 数据
• 查看该数据的基本信息
• 计算每一天各指标的差异值
• 计算其 pre_close 的增长率
• 将 pre_close 的增长率添加至数据中(新增列)
• 将 pct_change 该列 呈现的 NaN 用0填充
• 查看 pre_close 与 pct_change 的相关性
• 将 pct_change 这列乘以100 保留两位小数 成为百分比

2：答案

第一题

• 读取 五粮液2020.xlsx 数据

代码

import numpy as np
import pandas as pd
a1 = pd.read_excel('五粮液2020.xlsx', mode='r', encode='utf-8')
a1

执行效果

第二题

• 查看该数据的基本信息

代码

• 查看列的信息

# 查看列的基本信息
a2 = a1.info()

• 查看pandas对象的基本信息

# 查看汇总统计信息
a1.describe()

执行效果

第三题

• 计算每一天各指标的差异值

代码

a1.loc[:, 'open': 'pre_close'].diff()

执行效果

第四题

• 计算其 pre_close 的增长率

代码

a2 = a1['pre_close'].pct_change()
a2

执行效果

第五题

• 将 pre_close 的增长率添加至数据中(新增列)

代码

a1['pct_change'] = a2
a1

执行效果

• 

第六题

• 6：将 pct_change 该列 呈现的 NaN 用0填充

代码

a1['pct_change'].fillna(0, inplace=True)
a1

执行效果

第七题

• 7：查看 pre_close 与 pct_change 的相关性

代码

a1[['pre_close', 'pct_change']].corr()

执行效果

第八题

• 8：将 pct_change 这列乘以100 保留两位小数 成为百分比

代码

a1['pct_change'] = a1['pct_change'].apply(lambda x: '%.2f%%'%(x*100 ))
a1

执行效果