Question

对于个人项目，我有一个相当大的.CSV文件的Apple过去的股票数据。我已经有一个函数使用csv模块读取这些数据并打印出日期和月份的收盘价：

以下是元组格式的示例：

('2012-03-24' , '122.10')

我现在想要平均每个月的数据并重新生成元组列表。

有没有人有任何建议？我是一名初学Python学生。

def get_list_data(file_obj, column_number):    
    with open("table.csv", "r") as f:
        reader = csv.reader(f, delimiter=',')
        for row in reader:
            data = row[0] , row[column_number]  #Data and column data
            list_of_tuples = tuple(data)
            print(list_of_tuples)

    return list_of_tuples

def average_data(list_of_tuples):  #This is where I am stuck

Answer 1

您需要执行以下步骤：

首先，您需要将字符串从每个元组（'122.1'）的第二部分转换为浮点数。您可以使用float()方法执行此操作。
其次，您需要使用sum()方法和list comprehension计算元组所有第二部分的总和。
除以函数len()返回的列表长度。

代码示例：

def average_data(list_of_tuples):

    stock_data = [float(t[1]) for t in list_of_tuples]
    stock_sum = sum(stock_data)
    return stock_sum / len(list_of_tuples)

示例：

list_of_tuples = [('2012-03-24' , '122.10'), ('2012-03-25' , '117.30'), ('2012-03-26' ,  '126.9')]

print average_data(list_of_tuples)
>>> 122.1

Answer 2

如果您正在自学python，请继续使用csv实现自己的阅读器，然后自己计算出平均值。这是一项很棒的练习。

但是，如果您想减少编码并花费更多时间进行分析，请使用像pandas（或至少numpy）之类的东西。 pandas库擅长此类数据分析。

以下ipython会话显示了pandas这些类型的计算是多么容易。（如果你没有使用ipython，那么这是另一个工具我强烈建议您学习。）在本课程中，我阅读了一个CSV文件包含Apple股票数据。数据文件'aapl.csv'如下所示：

Date,Open,High,Low,Close,Volume,Adj Close
2013-02-25,453.85,455.12,442.57,442.80,13276100,442.80
2013-02-22,449.25,451.60,446.60,450.81,11798600,450.81
2013-02-21,446.00,449.17,442.82,446.06,15970800,446.06
2013-02-20,457.69,457.69,448.80,448.85,17010800,448.85
2013-02-19,461.10,462.73,453.85,459.99,15563700,459.99
2013-02-15,468.85,470.16,459.92,460.16,13990900,460.16
2013-02-14,464.52,471.64,464.02,466.59,12688400,466.59
...
1984-09-14,27.62,28.50,27.62,27.87,8826400,3.13
1984-09-13,27.50,27.62,27.50,27.50,7429600,3.09
1984-09-12,26.87,27.00,26.12,26.12,4773600,2.94
1984-09-11,26.62,27.37,26.62,26.87,5444000,3.02
1984-09-10,26.50,26.62,25.87,26.37,2346400,2.97
1984-09-07,26.50,26.87,26.25,26.50,2981600,2.98

导入pandas库：

In [1]: import pandas as pd

使用“日期”列作为索引将数据读入DataFrame：

In [2]: aapl = pd.read_csv('aapl.csv', index_col=0, parse_dates=True)

按升序对索引排序：

In [3]: aapl = aapl.sort()

看一下前几条记录：

In [4]: aapl.head()
Out[4]: 
             Open   High    Low  Close   Volume  Adj Close
Date                                                      
1984-09-07  26.50  26.87  26.25  26.50  2981600       2.98
1984-09-10  26.50  26.62  25.87  26.37  2346400       2.97
1984-09-11  26.62  27.37  26.62  26.87  5444000       3.02
1984-09-12  26.87  27.00  26.12  26.12  4773600       2.94
1984-09-13  27.50  27.62  27.50  27.50  7429600       3.09

将数据重新采样为每月。默认情况下，使用每日值的平均值：

In [5]: monthly = aapl.resample('1M')

In [6]: monthly.head()
Out[6]: 
                 Open       High        Low      Close           Volume  Adj Close
Date                                                                              
1984-09-30  26.981250  27.333125  26.606250  26.738750   4807300.000000   3.007500
1984-10-31  25.035652  25.313478  24.780435  24.806957   5559408.695652   2.788696
1984-11-30  24.545238  24.782857  24.188095  24.236190   5749561.904762   2.724286
1984-12-31  27.060000  27.378500  26.841000  26.947500   6195360.000000   3.031500
1985-01-31  29.520000  29.855909  29.140000  29.253182  10353818.181818   3.289091

绘制月度数据的“关闭”列：

In [7]: monthly.plot(y='Close')
Out[7]: <matplotlib.axes.AxesSubplot at 0x45ff4d0>

查看“关闭”栏：

In [8]: monthly['Close']
Out[8]: 
Date
1984-09-30    26.738750
1984-10-31    24.806957
1984-11-30    24.236190
1984-12-31    26.947500
1985-01-31    29.253182
1985-02-28    28.089474
1985-03-31    22.741429
1985-04-30    21.425238
1985-05-31    19.656818
1985-06-30    16.399000
1985-07-31    17.185455
1985-08-31    15.098636
1985-09-30    15.738500
1985-10-31    16.940000
1985-11-30    19.460000
...
2011-12-31    392.930476
2012-01-31    428.578000
2012-02-29    497.571000
2012-03-31    577.507727
2012-04-30    606.003000
2012-05-31    564.673182
2012-06-30    574.562381
2012-07-31    601.068095
2012-08-31    642.696087
2012-09-30    681.568421
2012-10-31    634.714286
2012-11-30    564.345714
2012-12-31    532.055000
2013-01-31    497.822381
2013-02-28    459.026875
Freq: M, Name: Close, Length: 342

以下是plot方法生成的图： Monthly average of 'Close'

平均CSV文件中的元组列表

2 个答案: