Python数据科学（八）- 资料探索与资料视觉化1.叙述性统计与推论性统计2.进行读取相关数据

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()
• 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()