商业数据分析第一次课学习笔记

1.Python包的导入

* 貌似 jupyter 有种方法可以不用导入 matplotlib.pyplot 就可以实现图形的展示，待研究

导入

---

补充说明：

1.可以使用%matplotlib inline

以%开头为magic keywords

使用%matplotlib inline方法绘图

2.stock.plt() 为 pandas 内置作图函数

---

2.读取本地数据库，解析index，并指定“Date”为本数据库的索引

读取数据库

3.查看数据，一共有4种方法：

stock -- 查看全量数据（当数据量过大时，中间会用“...”隐藏）

stock.head() -- 默认查看前5行数据，增加参数后可自定义查看行数

stock.tail() -- 默认查看逆序5行数据，增加参数后可自定义查看行数

stock.info() -- 以参数值方式查看数据库

stock方法

以参数值方式查看数据库

4.计算基础统计值

通过 stock.describe（）可以输出 计数、均值、标准差、最大/最小值、1/4、1/2、3/4位值

计算基础统计值

5.通过 matplotlib 绘图（pandas默认将索引作为 X 轴）

默认出全量数据 stock.plot() ，可通过定义Y轴 stock.plot(y = 'Open') 指定出图字段

matplotlib 绘图

6.索引和切片，三种方式：

（1）使用[]

stock["Close"] -- 读取全量 Close 列表

stock["Close"]['2017-06-01'] -- 读取指定索引 Close 列表

使用[]

（2）使用 .loc[]

stock.loc['2017-06-01','Close'] -- 读取指定索引 Close 列表

stock.loc['2017-06-01':'2017-06-05','Close'] -- 读取指定索引区间 Close 列表

使用 .loc[]

（3）使用 .iloc[]

stock.iloc[0,3] -- 读取第0行3列值

stock.iloc[0:2,0:3] -- -- 读取第0-2行0-3列值

使用 .iloc[]

（4）另一种通过命令方式读取全量数据方法

通过命令方式读取数据

7.过滤

判断“Volume”是否大于5千万

“Volume”大于5千万的数据

“Close”大于“Open”的数据

8.生成新列

将“High”与“Low”差值写入“fluctuation”新列中