## 1.1 二手房分析 ``` import pandas as pd # 讀取Excel文件 df = pd.read_excel("xihu.xlsx") def processName(x): return x.strip("['']") #數據清洗 df['小區名稱'] = df['小區名稱'].apply(processName) df['建筑面積'] = df['建筑面積'].str.replace('㎡', '').astype(float) #任務1：小王有200萬買房預算，想買一個建筑面積80平米以上，一梯兩戶，附近有學校的房子，請幫他篩選出來？ def contains_school(x): words = ["學校", "大學", "中學", "小學"] for word in words: if word in str(x): return True return False xiaowang_df=df[(df['建筑面積'] > 80) & (df['梯戶比例'] == '一梯兩戶')& (df["小區介紹"].apply(contains_school)|df["核心賣點"].apply(contains_school))] # 任務2：公司董事長請你幫忙挑選出西湖區最高檔的小區（單價最貴） average_prices_per_area = df.groupby('區域位置')['單價'].mean() # 按照平均房價降序排序 sorted_prices = average_prices_per_area.sort_values(ascending=False) sorted_prices.index[0] # 任務3 識別炒房 # 轉換日期列為datetime對象 df['上次交易'] = pd.to_datetime(df['上次交易']) df['掛牌時間'] = pd.to_datetime(df['掛牌時間']) # 計算日期差異（以年為單位） df['交易與掛牌時間差'] = (df['掛牌時間'] - df['上次交易']) / pd.Timedelta(days=365) # 篩選條件：面積小于100平米，且交易與掛牌時間差小于5年 filtered_df = df[(df['建筑面積'] < 100) & (df['交易與掛牌時間差'] < 5)] ``` ## 2.新浪股票分析 ### 可視化 ```python import pandas as pd import matplotlib.pyplot as plt # 定義列名 column_names = ['股票代碼', '交易日期', '收盤價', '最高價', '最低價', '開盤價', '前收盤', '漲跌額', '漲跌幅', '換手率', '成交量', '成交金額', '總市值', '流通市值'] # 讀取CSV文件，指定列名 df = pd.read_csv('stock.csv',names=column_names) # 數據預處理，將交易日期轉換為日期時間對象 df['交易日期'] = pd.to_datetime(df['交易日期']) # 可視化收盤價隨時間的變化 plt.figure(figsize=(22, 6)) plt.plot(df['交易日期'], df['收盤價'], label='close') # 可視化最高價和最低價隨時間的變化 plt.plot(df['交易日期'], df['最高價'], label='high') plt.plot(df['交易日期'], df['最低價'], label='low') # 添加圖例 plt.legend() # 添加標題和軸標簽 plt.title('time change') plt.xlabel('date') plt.ylabel('price（rmb）') # 顯示圖表 plt.show() # 可視化成交量隨時間的變化 plt.figure(figsize=(12, 6)) plt.plot(df['交易日期'], df['成交量'], label='volume') # 添加標題和軸標簽 plt.title('change') plt.xlabel('date') plt.ylabel('volume') # 顯示圖表 plt.show() ``` ``` # 4.3.1 計算收盤價常用統計量 import numpy as np closing_price = np.loadtxt("stock.csv", delimiter=",", usecols=(2)) print("closing_price的類型是：",type(closing_price)) print("closing_price的維數是：",closing_price.shape) print("closing_price元素個數是：",closing_price.size) print(closing_price) avg = np.mean(closing_price) print("收盤價的平均值是：%.2f" % avg) med = np.median(closing_price) print("收盤價的中位數是%.2f" % med) print("中位數所在位置的索引是：%d" % np.where( closing_price == 23.95 )) variance =np.var(closing_price) print("收盤價的方差是：%.2f" % variance) ``` ``` # 4.3.2 計算股價最高值和最低值 from numpy import loadtxt from numpy import max from numpy import min from numpy import ptp (high_price, low_price) = loadtxt("stock.csv",\ delimiter = ",",\ usecols=(3,4),\ unpack=True) print("high_price的類型是：",type(high_price)) print("high_price的維數是：",high_price.shape) print("high_price的元素個數是：",high_price.size) print("low_price的類型是：",type(low_price)) print("low_price的維數是：",low_price.shape) print("low_price的元素個數是：",low_price.size) highest = max(high_price) print("該股票的股價最高值是：",highest) lowest = min(low_price) print("該股票的股價最低值是：",lowest) middle = (highest + lowest)/2 print("該股票股價的中間值是：",middle) high_range = ptp(high_price) print("該股票最高價的波動范圍是：",high_range) low_range = ptp(low_price) print("該股票最低價的波動范圍是：",low_range) ``` ## 4.3.3 加權平均價 ``` import numpy as np closing_price = np.loadtxt("stock.csv",\ delimiter = ",",\ usecols = (2),\ unpack=False) volume = np.loadtxt("stock.csv",\ delimiter = ",",\ usecols = (11),\ unpack=False) vwap = np.average(closing_price,weights=volume) print("該股票的成交量加權平均值是：%.2f" % vwap ) t = np.arange(closing_price.shape[0]) twap = np.average(closing_price,weights=t) print("該股票的時間加權平均值是：%.2f" % twap ) ``` ## 4.3.4 周末效應 ``` import datetime #年/月/日 ===>星期幾 def date2str(nowDate): nowDate = str(nowDate,"GB2312") return datetime.datetime.strptime(nowDate,"%Y/%m/%d").date().weekday()+1 days, closing_price = np.loadtxt('stock.csv',\ delimiter = ',',\ usecols = (1,2),\ converters = {1:date2str},\ unpack=True) for i in range(days.size): print("發生交易的天數是星期%d,當天收盤價是%f" \ % (days[i], closing_price[i])) price_avg = np.zeros(5) for i in range(1,6): index = np.where( days == i ) price = np.take(closing_price,index) avg = np.mean(price) price_avg[i-1] = avg print('星期', i, '的平均收盤價是：', price_avg[i-1]) ``` ## 相似度計算練習——菜品推薦 ``` import numpy as np # 每道菜有4個特征（辣度、甜度、油膩度、咸度） products = { '鍋包肉': np.array([2.0, 4.5, 4.9,3.5]), '毛血旺': np.array([4.5, 2.0, 4.5,4.6]), '宮保雞丁': np.array([3.8, 4.0, 3.7,3.5]), '水煮肉': np.array([4.3, 2.2, 4.5,4.5]), # ... 可以添加更多商品 } # 計算兩個向量（商品）之間的內積 def inner_product(vec1, vec2): return np.dot(vec1, vec2) #找出相速度最高的菜 def findSimilar(x): # 獲取給定菜品的特征向量 target_vec = products[x] # 初始化最大相似度和最相似菜品 max_similarity = 0.0 most_similar_dish = None # 遍歷所有菜品，計算與給定菜品的內積 for dish, vec in products.items(): if dish != x: # 排除自身 similarity = inner_product(target_vec, vec) # 如果當前內積大于之前的最大相似度，則更新最大相似度和最相似菜品 if similarity > max_similarity: max_similarity = similarity most_similar_dish = dish # 返回最相似菜品和相似度 return most_similar_dish, max_similarity ```