2013年01月07日

很久之前,有人问“命运是不会改变的吗?”

有人回答:“是的。”

有人回答:“为了我想要的东西,连星星的位置我也可以改变。”

2013年01月07日 - 迟迟·年月 - 迟迟·年月

好的,以下是您的答案: 1. 导入实验数据‘apple.csv’ ```python import pandas as pd data = pd.read_csv('apple.csv') ``` 2. 查看每一列的数据类型 ```python print(data.dtypes) ``` 3. 将Date列转化为datetime数据类型 ```python data['Date'] = pd.to_datetime(data['Date']) ``` 4. 将Date列设置为行索引 ```python data.set_index('Date', inplace=True) ``` 5. 有重复的期吗? ```python print(data.index.duplicated().any()) ``` 输出结果为 False,说明没有重复的期。 6. 将index设置为升序 ```python data.sort_index(inplace=True) ``` 7. 选择2012的数据 ```python data_2012 = data['2012'] ``` 8. 选择2012-07数据 ```python data_2012_07 = data_2012['2012-07'] ``` 9. 选择2012-07-25数据 ```python data_2012_07_25 = data_2012_07.loc['2012-07-25'] ``` 10. 选取2011-12-01之后的数据 ```python data_after_2011_12_01 = data['2011-12-01':] ``` 11. 选取2011-12-01之前的数据 ```python data_before_2011_12_01 = data[:'2011-12-01'] ``` 12. 把2013-12-01到2014-05-01之间的数据选出来 ```python data_2013_12_01_to_2014_05_01 = data['2013-12-01':'2014-05-01'] ``` 13. 数据集中最早的期和最晚的期相差多少天? ```python days = (data.index.max() - data.index.min()).days print(f"The earliest and latest dates in the data differ by {days} days.") ``` 14. 以为单位对数据进行重采样(聚合方式为求平均) ```python data.resample('Y').mean() ``` 15. 以月为单位对数据进行重采样(聚合方式为求平均) ```python data.resample('M').mean() ``` 16. 找到每个月的最后一个交易(business day) ```python last_business_day = data.resample('M').apply(lambda x: x.index.max()) ``` 17. 在数据中一共有多少个月? ```python months = data.resample('M').mean().shape[0] print(f"There are {months} months in the dataset.") ``` 希望这些能够帮助您!
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值