- 先导入数据集，可以看到电话号码的数据是全部显示出来的
- 希望把每一个电话号码的中间数值以加密的形式再展现出来
- df['tel'] = df['tel'].apply(lambda x: x.replace(x[3:7],'****'))
- 将数据的前三位展示出来就可以了
- df['new_tel'] = df['tel'].str[0:3]
- 首先查看原数据中的电子邮箱信息， 都是用户名+@+域名的形式
- 希望只显示域名，则可以以@为分隔符，取出域名信息
- df['email'] = df['email'].apply(lambda x: x.split('@')[1])
- 先读取数据集，这是另外一个数据
- 由于数据量有些大，可以对此进行样本抽取，取5万个
- data = df.sample(n = 50000,replace = False)
- 查看原数据的时间形式，具体到了时分秒
- 去掉具体的时分秒，并另起新的一列数据
- df['date'] = df['InvoiceDate'].dt.date
- 用每一个订单的数量*单价
- data['total_price'] = df[['Quantity','UnitPrice']].apply(np.prod,axis = 1)
- grouped_data = data.groupby(by = 'date').sum()
- 查看按日期行分组的索引类型
- grouped_data.index
- 可以看到行索引并不是日期数据类型的，将其转化
- grouped_data.index = pd.to_datetime(grouped_data.index)
8、计算每天总价的变化率
- 前面表格已是按日期每天展示，总价的变化率等于(当天的总价-前一天的总价)/前一天的总价
- grouped_data['总价变化率'] = grouped_data['total_price'].pct_change()
- 使用.rolling(5)方法
- grouped_data['SMA_5'] = grouped_data['total_price'].rolling(5).mean()
- 使用.shift(1)方法，当参数为正数时，向下平移，当参数为负数时，向上平移
- grouped_data['total_price_before'] = grouped_data['total_price'].shift(1)
