Python数据科学（八）- 资料探索与资料视觉化
2018-05-22 本文已影响94人
一只写程序的猿
传送门：
1.叙述性统计与推论性统计
- 叙述性统计
有系统的归纳数据，了解数据的轮廓
对数据样本做叙述性陈述，例如：平均数、标准偏差、计次频率、百分比
对数据资料的图像化处理，将数据摘要变为图标表 - 推论性统计
资料模型的建构
从样本推论整体资料的概况
相关、回归、单因子变异数、因素分析
1.叙述性统计
1.我们一般有三种方式进行叙述性统计
- 对大多数资料进行分析，80%都是在于如何加总与平均
eg：- 销售份额
- 客户数量
- 业绩成长量
- 使用SQL做叙述性统计(通过加入限制条件得到我们需要的数据)
select * from tb1 where col1 >= 100 limit 3
2.如何操作数据
- 操作数据我们常常需要
- 分割数据（Split）
- 转换数据（Transformation）
- 聚合数据（Aggregation）
- 探索数据（Exploration）
- 需要如同SQL的语法去操作数据
首先我们需要安装pandas_datareader，pip install pandas_datareader，pandas_datareader是一个远程获取金融数据的Python工具，它提供了下面几个机构的数据。-
Yahoo! Finance：雅虎金融
-
Google Finance：谷歌金融
-
Enigma：Enigma是一个公共数据搜索的提供商
-
St.Louis FED (FRED)：圣路易斯联邦储备银行
-
Kenneth French’s data library：肯尼斯弗兰奇资料库
-
World Bank：世界银行
-
OECD：经合组织
-
Eurostat：欧盟统计局
-
Thrift Savings Plan：美国联邦政府管理离退休的组织
-
import pandas_datareader
pandas_datareader.DataReader(name, data_source=None, start=None, end=None, retry_count=3,
pause=0.001, session=None, access_key=None)
- name：股票名称
- data_source：数据来源，可以是雅虎，谷歌等等
- start：开始日期
- end：截止日期
- retry_count： 如果断开连接重新连接几次
- pause：抓取数据的中间是否需要停顿
- session：是否需要加入session
- access_key：如果接口需要提供access_key，则此项需要填
2.进行读取相关数据
丘老师是使用pandas_datareader.DataReader来读取的雅虎提供的阿里巴巴股票数据，现在雅虎已经被弃用。这里我使用Tushare来读取金融数据。
Tushare是一个免费、开源的python财经数据接口包。
import tushare
# 获取大盘指数实时行情列表
df = ts.get_index()
# 查看后五行
df.tail()
备注：返回值说明
- code:指数代码
- name:指数名称
- change:涨跌幅
- open:开盘点位
- preclose:昨日收盘点位
- close:收盘点位
- high:最高点位
- low:最低点位
- volume:成交量(手)
- amount:成交金额（亿元）
# 查看列
df.columns
1.做一些简易的统计
-
针对单列进行统计
- 算出总和：
df['volume'].sum() - 算出平均：
df['volume'].mean() - 算出标准差：
df['volume'].std() - 取得最小值：
df['volume'].min() - 取得最大值：
df['volume'].max() - 取得笔数：
df['volume'].count()
- 算出总和：
- 针对多列进行统计
# 取得最低开盘点位，最低收盘点位
df[['open', 'close']].min()
2.取得整体叙述性统计
df.describe()
均值，标准差，最大值，最小值等等
3.计算当日大盘指数当日涨跌次数
- 计算当日涨跌
df['diff'] = df['close'] - df['open']
df['rise'] = df['diff'] > 0 # 涨
df['fall'] = df['diff'] < 0 # 跌
可以看到多了差额、涨、跌三列
- 计算涨跌次数
df[['rise', 'fall']].sum()
