PANDAS第六次打卡

最新推荐文章于 2025-12-09 16:47:37 发布

原创最新推荐文章于 2025-12-09 16:47:37 发布 · 305 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#python

本文分析了2002年至2018年上海机动车牌照拍卖数据，探讨了中标率变化趋势，统计了拍卖价格的年度最大值、平均值及0.75分位数，对时间序列进行了拆分重组，并研究了价格波动与发行量增益的关系。

一、 2002 年-2018 年上海机动车拍照拍卖

import numpy as np
import pandas as pd

df = pd.read_csv('data/2002年-2018年上海机动车拍照拍卖.csv')
df.head()

问题
(1) 哪一次拍卖的中标率首次小于 5%？

one=df['Total number of license issued']/df['Total number of applicants']
df=df.assign(rate=one)
df[df['rate']<0.05].head()

Date	Total number of license issued	lowest price	avg price	Total number of applicants	rate
15-May	7482	79000	79099	156007	0.047959

(2) 按年统计拍卖最低价的下列统计量：最大值、均值、 0.75 分位数，要求
显示在同一张表上。
(3) 将第一列时间列拆分成两个列，一列为年份（格式为 20××），另一列为
月份（英语缩写），添加到列表作为第一第二列，并将原表第一列删除，
其他列依次向后顺延。

(4) 现在将表格行索引设为多级索引，外层为年份，内层为原表格第二至第
五列的变量名，列索引为月份。
(5) 一般而言某个月最低价与上月最低价的差额，会与该月均值与上月均值
的差额具有相同的正负号，哪些拍卖时间不具有这个特点？
(6) 将某一个月牌照发行量与其前两个月发行量均值的差额定义为发行增
益，最初的两个月用 0 填充，求发行增益极值出现的时间。