本次实验内容为餐饮订单数据的分析,数据请见:https://pan.baidu.com/s/1tL7FE5lxs-gb6Phf8XRu_Q,文件夹:data_analysis,下面的文件:appl_1980_2014.csv 本次实验主要是对python中的数据进行基本操作。

代码为:

#!/usr/bin/env python
# -*- coding:utf-8 -*-
import pandas as pd
import matplotlib.pyplot as plt
# 1. 读取数据并存为一个名叫 apple 的数据框。
apple = pd.read_csv('data_analysis/appl_1980_2014.csv')# 2. 查看每一列的数据类型。
apple.dtypes# 3. 将 Date 这个列转换为 datetime 类型。
# 此处是运用了pandas的to_datetime函数,其中format是表示的原始的数据‘Data’的格式,Y、m、d分别表示年、月、日
# to_datetime函数可以将任意包含日期格式的字符串转换成datetime类型,一定要注意format的表示方式
apple['Date'] = pd.to_datetime(apple['Date'], format='%Y-%m-%d')# 4. 将 Date 设置为索引。
apple.set_index('Date', inplace=True)
# 5. 有重复的日期吗?
a = apple.groupby('Date').count() > 1
a.shape
b = apple.Date.duplicated()
b.sum()
apple.index.is_unique
apple.shape[0] == apple.index.nunique()
# 6. 将 index 设置为升序。
apple = apple.sort_index(ascending=True)# 7. 找到每个月的最后一个交易日(businessday)。
# 这里用到了pandas里的重采样函数resample,常用的重采样的频率:(除下面列出的外,也可以用其他常用的频率)
# D       calendar day frequency
# W       weekly frequency
# M       month end frequency
# H       hourly frequency
# T       minutely frequency
# S       secondly frequency
# 需要注意的是,resample函数中有个参数为label,默认取的是最大值
apple_m = apple.resample('M').mean()
print(apple_m.head())
# 先进行分组,然后找到分组里面索引的最大值
apple.groupby([apple.index.year, apple.index.month]).agg({'Open':lambda x: x.index.max()})
# 8. 数据集中最早的日期和最晚的日期相差多少天?
(apple.index.max()-apple.index.min()).days# 9. 在数据中一共有多少个月?
(apple.index.max()-apple.index.min()).days/30
len(apple_m)apple.groupby([apple.index.year, apple.index.month]).agg({'Open':lambda x: x.index.max()}).shape[0]# 10. 按照时间顺序可视化 Adj Close 值。
apple['Adj Close'].plot(title='Apple Stock').get_figure().set_size_inches(9, 5)
y = apple['Adj Close'].sort_index()
plt.plot(y.index, y)

文件‘appl_1980_2014.csv’中的数据截图为:

运行结果:

Python数据分析(7)----Apple公司股价数据分析相关推荐

  1. Python技术知识清单(数据分析)

    给大家整理了一份Python开发技术学习清单,主要来自2018年Python中文社区往期文章,本期收录的是数据分析相关的知识点,建议新年佳节可以利用空闲时间多看看.祝大家猪年大吉,诸事顺利! Pyth ...

  2. python与excel结合能做什么-Python网络爬虫与文本数据分析

    原标题:Python网络爬虫与文本数据分析 课程介绍 在过去的两年间,Python一路高歌猛进,成功窜上"最火编程语言"的宝座.惊奇的是使用Python最多的人群其实不是程序员,而 ...

  3. python计算汽车的平均油耗_用python对汽车油耗进行数据分析

    原标题:用python对汽车油耗进行数据分析 - 从http://fueleconomy.gov/geg/epadata/vehicles.csv.zip 下载汽车油耗数据集并解压 - 进入jupyt ...

  4. python pd Series 添加行_Python数据分析与挖掘的常用工具

    Python语言:简要概括一下Python语言在数据分析.挖掘场景中常用特性: 列表(可以被修改),元组(不可以被修改) 字典(结构) 集合(同数学概念上的集合) 函数式编程(主要由lambda(). ...

  5. python数据分析实验报告_Python 数据分析入门实战

    本训练营中,我们将学习怎么样使用 Python 进行数据分析.课程将从数据分析基础开始,一步步深入讲解.从 Python 的基础用法到数据分析的各种算法,并结合各种实例,讲解数据分析过程中的方方面面. ...

  6. 一个月学会Python,零基础入门数据分析

    在数据分析领域,python是一个绕不开的知识和工具,如果不会用python就很难说自己会数据分析,但是最近很多想要入门数据分析的小白经常问我,Python怎么入门?Python虽然被称作是" ...

  7. 基于Python实现的微信好友数据分析——抓取好友性别、位置、头像签名

    最近微信迎来了一次重要的更新,允许用户对"发现"页面进行定制.不知道从什么时候开始,微信朋友圈变得越来越复杂,当越来越多的人选择"仅展示最近三天的朋友圈",大概 ...

  8. Python 分析近2000条“数据分析”相关岗位招聘信息

    文章目录 准备阶段 数据获取 数据清洗 数据可视化 (1)岗位名称 (2)工作地点 (3)公司所属行业 (4)工作经验要求 (5)公司规模情况 (7)学历要求 (8)公司类型 (9)招收人数 (10) ...

  9. 使用Python对股票数据进行数据分析(一)-计算日线行情、5日均线、10日均线行情并显示

    使用Python对股票数据进行数据分析(一)-计算日线行情.5日均线.10日均线行情并显示 各种炒股软件上可以显示各种技术指标,可以帮助投资者进行技术分析.这些股市中的这些指标都是怎么计算出来的呢?这 ...

最新文章

  1. word文档基本编辑功能_【读者培训】Word在编辑长文档时的基本应用
  2. uclinux与linux的区别
  3. asp.net页面处理过程文章整理
  4. 洛谷P4136 谁能赢呢?——博弈
  5. 进程、线程和协程的区别和联系(TX)
  6. IO 密集型服务 性能优化实战记录
  7. ssm整合,使用maven分模块
  8. 使用python3.7配置开发钉钉群自定义机器人(2020年新版攻略)
  9. 毕设题目:Matlab指纹识别
  10. linux分区命令mtd,修改IPQ4019/4018的MTD分区
  11. 自然语言处理(八)——语言模型性能评价
  12. IPTV电视直播系统apk运营—怎么让视频更流畅
  13. springboot 整合腾讯云短信
  14. MySQL 简单查询语句练习题(4+18)
  15. PSP《大众高尔夫2P》XB资源包算法分析(2)
  16. 计算机专业定向选调,兄弟们,关于定向选调和找工作,JR们能不能给小弟一些建议...
  17. docker限制容器下载速度
  18. linux配置web页面登录密码,在Linux下通过WEB认证方式上网
  19. ubuntu下查看电脑内存硬盘CPU显卡驱动等配置命令
  20. android蓝牙查看电池容量_Android获取电池电量和电池容量

热门文章

  1. 二分查找法-floor和ceil函数实现(C++)
  2. Serverless 2.0,鸡蛋还是银弹?
  3. Java jdk14.0.1安装简单步骤
  4. OpenGLES---设置获取Shader程序属性
  5. 大数据技术与应用-D1
  6. 住宅风水决议个人八大运 常鹤鸣
  7. 思一独角兽好朋友群活动回顾——IBCA国际区块链与数字货币协会
  8. 【Linux】线程互斥
  9. 把宇宙138亿年压缩到1年
  10. 美团的至暗时刻:用户口碑崩塌,食品安全五连击,股价腰斩!