-
Notifications
You must be signed in to change notification settings - Fork 0
/
prompt.txt
50 lines (36 loc) · 1.63 KB
/
prompt.txt
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
我有一个股票数据csv文件
-----------------------------------
Date,Open,High,Low,Close,Adj Close,Volume
1971-02-05,100.000000,100.000000,100.000000,100.000000,100.000000,0
1971-02-08,100.839996,100.839996,100.839996,100.839996,100.839996,0
1971-02-09,100.760002,100.760002,100.760002,100.760002,100.760002,0
1971-02-10,100.690002,100.690002,100.690002,100.690002,100.690002,0
帮我写个脚本。用for loop的实行,股价跌到前高值二分之一的腰斩次数。
每找到一次,就忘记之前的前高值。从新开始找之后时间段的腰斩
帮我写个脚本。画出涨跌幅度的分布的histogram。
如下是数据导入代码,你要严格使用。不需要改动。
-------------------
import pandas as pd
import os
import pandas as pd
import matplotlib.pyplot as plt
import os
import sys
sys.path.append(os.path.dirname(os.path.dirname(os.path.abspath(__file__)))) # 将util.py所在的目录添加到系统路径中
import _util
data = _util.load_csv_as_dataframe("^NDX.csv") # data is dataframe
# 只在意二战后的数据
data = data[data['Date'].dt.year > 1950]
#...从这里开始续写实际实现。
# 避免乱码
plt.rcParams['font.sans-serif'] = ['SimHei'] # 用黑体显示中文
plt.rcParams['axes.unicode_minus'] = False # 正确显示负号
--------------------------------------------
注意点
1. 全部计算完再进行可视化。 可视化和计算df的代码要分段,这样方便后期维护。
2. 用seaborn 画histogram和kde
3. 用mplcursors来实现tooltip
4. 可视化label不要写死,用变量
5. 用descibe打印统计特征
---------
输出成一个csv,然后你帮我分析