7. Pandas高效化运算与时间序列处理

第1关：字符串操作方法

任务：读取step1/bournemouth_venues.csv文件，获取Venue Name列，通过向量化字符串操作得到清洗后的数据。

import pandas as pd

def demo():
    #********** Begin **********#
    data=pd.read_csv('./step1/bournemouth_venues.csv')
    data=data['Venue Name']
    data=data.str.split().str.get(-1)
    data=data.str.replace("P.*","")
    data.drop(data[data.values==""].index,inplace = True)
    data1=data.str.contains("[a-zA-Z]+")
    data.drop(data1[data1==False].index,inplace=True)
    return data
    # ********** End **********#

第2关：Pandas的日期与时间工具

任务：根据预期输出，创建三种不同索引的数据结构。

import pandas as pd

date_number = input()
# ********** Begin ********** #
print(pd.date_range(date_number, periods=10))
print(pd.period_range(date_number, periods=10))
print(pd.timedelta_range('1 hours', periods=10, freq='H'))
# ********** End ********** #

第3关：Pandas时间序列的高级应用

根据相关知识完成下列任务：

• 求上个季度（仅含工作日）的平均值；
• 求每个月末（仅含工作日）的收盘价；
• 迁移数据365天；
• 求一年期移动标准差。

import matplotlib.pyplot as plt
import pandas as pd

def demo():
    yahoo = pd.read_csv("./step3/yahoo_data.csv")
    yahoo.set_index(pd.to_datetime(yahoo["Date"]),inplace=True)
    # 取雅虎股票的收盘价
    yh = yahoo["Close"]

    fig, ax = plt.subplots(2, sharex=True)
    # 画出收盘价的图
    yh.plot(ax=ax[0], style="-")
    # 求上个季度(仅含工作日)的平均值
    # ********** Begin ********** #
    data1=yh.resample('BQ').mean()
    # ********** End ********** #
    data1.plot(ax=ax[0], style=":")
    # 求每个月末(仅含工作日)的收盘价
    # ********** Begin ********** #
    data2=yh.asfreq('BM')
    # ********** End ********** #
    data2.plot(ax=ax[0], style="--", color="red")
    ax[0].legend(['input', 'resample', 'asfreq'], loc='upper right')
    # 迁移数据365天
    # ********** Begin ********** #
    data3=yh.shift(365)
    # ********** End ********** #
    data3.plot(ax=ax[1])
    data3.resample("BQ").mean().plot(ax=ax[1], style=":")
    data3.asfreq("BM").plot(ax=ax[1], style="--", color="red")
    # 设置图例与标签
    local_max = pd.to_datetime('2007-11-05')
    offset = pd.Timedelta(365, 'D')
    ax[0].axvline(local_max, alpha=0.3, color='red')
    ax[1].axvline(local_max + offset, alpha=0.3, color='red')
    # 求一年期移动标准差
    # ********** Begin ********** #
    rolling=yh.rolling(365,center=True)
    data4=rolling.std()
    # ********** End ********** #
    data4.plot(ax=ax[1], style="y:")
    data4.plot(ax=ax[0], style="y:")
    plt.savefig("./step3/result/2.png")