《Python进阶课程》学习笔记分享园地 | 讯飞AI大学

Day2+学习笔记+07/16

#Day 1+学习笔记+07/15
今天主要学习了Python-pandas的数据分类，其中有遇到以下几个问题：
1、pd文件的置入，后面通过自己创建一个类似数据表，完成置入；
2、在transform环节，无法读取nvda.CSV文件，
百度到一种方式：
【path = r'E:\Users\Administrator\data\NVDA.csv'
o = open(path)
nvda = pd.read_csv(o)
o.close
nvda.head()
#####这个写法无法继续操作老师视频里示范的后续操作，虽然它可以把表格调用出来】，
后面经过群里前辈的指点，不断尝试修改绝对路径，最后实现调取表格，并进行后续操作
【nvda = pd.read_csv('E:\\Users\\Administrator\\data\\NVDA.csv', sep=',', encoding='utf-8', index_col=0, parse_dates=["Data"])
nvda.head()】
以上就是昨天遇到的两个比较大的问题，非常感谢群里前辈的答疑解惑

#Day2 学习笔记 07/16

#day1+学习笔记+07/16 安装了anaconda，学习了一些jupyter

Day 1+学习笔记07/16

day01

#Day 2+学习笔记+07/16
transform
nvda=pd.read_csv("data/NVDA.csv",index_col=0,parse_dates='"Date"])
nvda.index[0].weekday()
key=lambda x:x.year
nvda.groupby(key).agg([np.mean,np.std])
zscore=lambda x:(x-x.mean())/x.std()
transformed=nvda.groupby(key).transform(zscore)
%matplotlib inline
nvda.plot()
transformed["Adj Close"].plot(grid=True,figsize=(10.8,7.6))
compare=pd.DataFrame({"Original Adj Close":nvda["Adj Close"], "Transformed Adj Close":transformed["Adj Close"]})
compare.plot(grid=True,figsize=(10.8,7.5))
year_key=lambda x:x.year
month_key=lambda x:x.month
nvda.groupby([year_key,month_key]).sum()
nvda.groupby([year_key,month_key]).agg([np.mean,np.std])
monthly_nvda=nvda.groupby([year_key,month_key]).last()
index=[ str(i[0]) + "-" + str(i[1]) for i in monthly_nvda.index.values ]
index=pd.PeriodIndex(index, freq="M")
monthly_nvda.index=index
monthly_nvda["Adj Close"].plot()

Day2学习笔记07/16
学习了表格的数据处理
求标准差，最小值，最大值，求和等

截取一部分

#Day 2+学习笔记+07/16
本次课程介绍了如何使用Pandas的transform函数。
可以指定一个列为整个数据的索引列：index_col=0，并设置该列的类型：parse_dates="Date"，将索引列设置为日期格式后，可以进行很多有关日期、月份的操作。
nvda=pd.read_csv("data/NVDA.csv",index_col=0,parse_dates="Date"])
nvda.index[0].year,nvda.index[0].month,nvda.index[0].weekday()
另外，使用lambda表达式，可以用一个变量代替一个操作：key=lambda x:x.year
然后就可以直接使用key了：nvda.groupby(key).agg([np.mean,np.std])
最后，可以使用nvda.plot()进行画图。

#Day 2+学习笔记+07/16  今天主要学习了如何使用python中的Pandas库的transform的用法，lambda 的使用 和 plot 画图功能。  lambda可以用一个变量代替一串表达式，非常方便：key=lambda x:x.year  nvda.groupby(key).agg() 等同于 nvda.groupbu(lambda x:x.year)  zscore=lambda x:(x-x.mean())/x.std()  nvda.groupby(key).transform(zscore)  画图：  %matplotlib inline  nvda.plot()

#Day 2+学习笔记+07/16