Pandas 数据分析(二)【股票数据】

股票数据分析

  • 写在前面
  • 题目背景
    • [021 加载股票数据到CSV文件](#021 加载股票数据到CSV文件)
    • [022 查看基本信息和数据统计](#022 查看基本信息和数据统计)
    • [023 更改索引列为普通数据列](#023 更改索引列为普通数据列)
    • [024 给数据添加月份和年份](#024 给数据添加月份和年份)
    • [025 计算每年的平均收盘价](#025 计算每年的平均收盘价)
    • [026 找到收盘价最低的数据行](#026 找到收盘价最低的数据行)
    • [027 筛选出部分数据列](#027 筛选出部分数据列)
    • [028 设置日期列为索引列](#028 设置日期列为索引列)
    • [029 删除不需要的数据列](#029 删除不需要的数据列)
    • [030 对数据列重命名](#030 对数据列重命名)
  • 结语

写在前面

在数据分析的领域中,股票市场是一个非常热门且富有挑战性的分析对象。通过对股票数据的深入分析,我们不仅能够了解市场趋势,还能为投资决策提供有力支持。本文将通过一个包含日期、开盘价、最高价、最低价、收盘价以及交易量的股票数据集,结合pandas库完成10道数据分析题目。每个问题都将帮助我们从不同角度探索股票市场的动态变化,让你在掌握数据分析技巧的同时,对股票市场的理解更上一层楼。

题目背景

  • 题目数据包含日期(Date),开盘价(Open),最高价(High),最低价(Low),关盘价(Close),交易量(Volume

021 加载股票数据到CSV文件

我们可以先看看当前csv文件内容,它处在当前路径下面,我们编写代码的地方是图中的pandaExp.py文件:

代码:

python 复制代码
import pandas as pd
df=pd.read_csv("./股票数据.csv")
print(df)

运行结果:


022 查看基本信息和数据统计

  • 这里涉及的方法上一篇已经谈过,可以看看本专栏的篇(一)。
python 复制代码
import pandas as pd
df=pd.read_csv("./股票数据.csv")
print(df.info())
print()
print(df.describe())

运行结果:


023 更改索引列为普通数据列

python 复制代码
import pandas as pd
df=pd.read_csv("./股票数据.csv",index_col=0)
print(df.head(5))
print(df.columns)

这里我们index_col=0意思是将第一列作为索引列,此时打印的效果是下面这样的,但是题目要求我们的是将这里的索引列也变成数据列。

其实直接调用df.reset_index(inplace=True)即可,意思是重新设置索引列(恢复成为默认的数字索引),并且是原地在df上做修改,不用接收返回值。

python 复制代码
import pandas as pd
df=pd.read_csv("./股票数据.csv",index_col=0)

df.reset_index(inplace=True)
print(df.head(5))
print(df.columns)

024 给数据添加月份和年份

python 复制代码
import pandas as pd
df = pd.read_csv("./股票数据.csv")
# 从这里开始完成题目

df["Date"] = pd.to_datetime(df["Date"])
df["Year"] = df["Date"].dt.year
df["Month"] = df["Date"].dt.month

print(df)

025 计算每年的平均收盘价

  • df.groupby("Year")是按照年份聚合分组
  • ["Close"]是取出分组后的Close这一列
  • .mean()是求均值
python 复制代码
import pandas as pd
df = pd.read_csv("./股票数据.csv")
# 从这里开始完成题目
df["Date"] = pd.to_datetime(df["Date"])
df["Year"] = df["Date"].dt.year
print(df.groupby("Year")["Close"].mean())

本题是目前第一个分组聚合统计,要深刻体会这种思想


026 找到收盘价最低的数据行

本题找最小行,最容易想到的是df["Close"].min()方法,这样确实可以找到最小值,但是我们找不到最小值所在的行,也就找不到最小行的其他信息。如果我们要先找最小行所在的索引,可以调用df.argmin()方法,它会返回最小行所在索引。根据df.loc[["索引"]]就可以访问到了。需要注意的是df.loc方法如果打一个[],返回的是Series对象,如果打两个[[]]返回的是DataFrame对象。

  • 这里我们返回DataFrame对象。
python 复制代码
import pandas as pd
df = pd.read_csv("./股票数据.csv")
# 从这里开始完成题目
min_index = df["Close"].argmin()

print(df.loc[[min_index]])

027 筛选出部分数据列

python 复制代码
import pandas as pd
df = pd.read_csv("./股票数据.csv")
# 从这里开始完成题目
print(df.head(3))
df_new = df[["Date", "Open", "Close", "Volume"]]
print(df_new.head(3))

028 设置日期列为索引列

python 复制代码
import pandas as pd
df = pd.read_csv("./股票数据.csv")
# 从这里开始完成题目
print(df.head(3))
df.set_index("Date",inplace=True) #原地修改Date为索引列
print()
print(df.head(3))

029 删除不需要的数据列

python 复制代码
import pandas as pd
df = pd.read_csv("./股票数据.csv")
# 从这里开始完成题目
df.drop(columns=["High","Low"], inplace=True)
print(df.head(3))

030 对数据列重命名

python 复制代码
import pandas as pd
df = pd.read_csv("./股票数据.csv")
# 从这里开始完成题目
print(df.head(3))
df.columns=["D", "O", "H", "L", "C", "V"]
print(df.head(3))

结语

通过本博客,我们不仅练习了pandas库的基本操作,还学习了如何从股票数据中提取有价值的信息。每道题目都带有一定的实用性,帮助我们深入理解如何处理和分析复杂的数据集。

相关推荐
万米商云3 分钟前
企业物资集采平台解决方案:跨地域、多仓库、百部门——大型企业如何用一套系统管好百万级物资?
大数据·运维·人工智能
BigData共享10 分钟前
极致性能背后的黑科技?这个世上没有“银弹”!(三)
大数据
阿里云大数据AI技术11 分钟前
Flink Forward Asia 2025 主旨演讲精彩回顾
大数据·人工智能·flink
y_y_liang24 分钟前
图生生AI商品换背景,高效商拍!
大数据·人工智能·ai·ai作画
王小王-12341 分钟前
基于Hadoop的用户购物行为可视化分析系统设计与实现
大数据·hadoop·分布式·用户购物行为·电商日志分析
沐尘而生1 小时前
【AI智能体】智能音视频-硬件设备基于 WebSocket 实现语音交互
大数据·人工智能·websocket·机器学习·ai作画·音视频·娱乐
Chasing__Dreams1 小时前
python--杂识--18.1--pandas数据插入sqlite并进行查询
python·sqlite·pandas
贝格前端工场1 小时前
小程序订阅消息设计:用户触达与隐私保护的平衡法则
大数据·小程序
rui锐rui1 小时前
商品销售数据分析实验
vue.js·数据挖掘·数据分析
成都极云科技2 小时前
成都算力租赁新趋势:H20 八卡服务器如何重塑 AI 产业格局?
大数据·服务器·人工智能·云计算·gpu算力