J'ai essayé de changer le titre cette fois, mais le contenu ne change pas beaucoup. Je vais continuer à partir de la dernière fois.
Cette fois, nous utiliserons deux données csv (moyenne Nikkei et NY Dow).
nikkei = pd.read_csv("nikkei.csv", parse_dates=['Date de données']) #Lire les données csv
nikkei.tail()
Les données de NY sont comme indiqué dans l'image.
NY = pd.read_csv("NYd.csv", parse_dates=['Date de données'])
NY.head()
#Combiner des données
join_data = pd.merge(nikkei, NY[["Date de données", "le dernier prix", "Prix ouvert", "Prix élevé", "Bas prix"]], on="Date de données", how = "left")
join_data.tail() #Essayez d'afficher
Combinez les données NY Dow avec les données moyennes Nikkei. Les dates de données combinées sont courantes. "~ _x" est la moyenne Nikkei et "~ _y" est le NY Dow.
Tracez-le de la même manière que la dernière fois (voir article précédent).
nikkei_close = go.Scatter(x = join_data['Date de données'][-200:],
y = join_data['le dernier prix_x'][-200:],
name = "nikkei_close",
line = dict(color = '#000000'), #Faites-en une ligne noire
opacity = 0.8)
NY_close = go.Scatter(x = join_data['Date de données'][-200:],
y = join_data['le dernier prix_y'][-200:],
name = "NY_close",
opacity = 0.8)
data = [nikkei_close, NY_close]
layout = dict(title = "Nikkei Average et NY Dow", )
fig = dict(data = data, layout=layout)
iplot(fig)
Il s'est avéré être quelque chose comme ça. Il n'y a aucune valeur pour NY Dow ici et là. Il existe des valeurs dites manquantes. C'est peut-être des vacances sur le marché de New York. Est-ce un mystère pour le moment? Cette fois, je viens de combiner les données, mais c'est tout pour la partie code.
Cette fois, nous avons parlé de liaison de données. Cependant, certains problèmes peuvent être détectés simplement en les combinant.
Quel endroit, comme. Je vais le résumer si je peux le résoudre. : sourire:
Recommended Posts