a精品视频_日韩欧美在线视频一区二区三区_www色网_日本一卡2卡三卡4卡免费网站_欧美韩日一区_国产一级精品绿帽视频_日本欧美在线_精品一区二区三区网站_视频一二三区_欧美一级无毛_国产精品久久久久久爽爽爽_韩国av免费观看_欧美老熟妇乱大交xxxxx_国产成人高清啪免费观看软件_日韩欧美亚洲中文乱码_√8天堂资源地址中文在线_求个毛片网站_黄色网址网站_国产成人午夜不卡在线视频_中文字幕在线无码一区二区三区

2.理解數(shù)據(jù)

此數(shù)據(jù)集中包括三個CSV文件：

.csv是道瓊斯工業(yè)平均指數(shù)（DJIA）股票數(shù)據(jù)：7個字段，1990行。包含Date（日期），Open（開盤價），High（最高價），Low（最低價），Close（收盤價），（成交量）和Adj Close（調(diào)整后的收盤價）。（范圍：2008-08-08至2016-07-01）

.csv是新聞數(shù)據(jù)：27個字段，1990行。包含Date（日期），Label（標(biāo)簽）和Top1-Top25（當(dāng)日的頭25條新聞）。（范圍：2008-08-08至2016-07-01）

.csv：2個字段，73609行。包含Date（日期），News（新聞），所有新聞都根據(jù)它們的熱度從上到下排名，每個日期有25行。（范圍：2008-06-08至2016-07-01）

3.數(shù)據(jù)清洗

數(shù)據(jù)清洗的主要步驟如下：

選擇子集，列重命名，刪除重復(fù)值，缺失值處理，一致化處理，數(shù)據(jù)排序，異常值處理

先將后綴為.csv的文件保存為后綴為.xlsx的文件。

檢查數(shù)據(jù)集，發(fā)現(xiàn)沒有重復(fù)列，沒有缺失值，同一列的數(shù)據(jù)類型統(tǒng)一，日期格式統(tǒng)一。將三個數(shù)據(jù)表都按時間升序排列。排序后的數(shù)據(jù)集前幾行部分?jǐn)?shù)據(jù)如下：

4.數(shù)據(jù)建模

對.xlsx表中的Adj Close做描述統(tǒng)計分析，得到如下數(shù)據(jù)：

平均Adj Close是13463.03，標(biāo)準(zhǔn)差為3144.007，因為是8年的數(shù)據(jù)，波動比較大，需要再做更細(xì)致的分析以探索股票數(shù)據(jù)。

對.xlsx表中的Date和Label列，做數(shù)據(jù)透視表，統(tǒng)計每年的漲和跌的天數(shù)，結(jié)果如下：

“1”表示DJIA Adj Close值上升或保持不變，“0”表示下降。可以看出每年上漲和下跌的天數(shù)比較均衡。

在.xlsx表中增加一列“漲跌幅”，計算過程如下：

漲跌幅的結(jié)果以百分號表示：

通過函數(shù)對漲跌幅進行分組：

然后通過數(shù)據(jù)透視表統(tǒng)計漲跌幅分組情況：

發(fā)現(xiàn)大部分情況下都是在-3%~3%的漲跌范圍內(nèi)，即分組標(biāo)簽為小漲和小跌的那兩類，占96.73%（44.42% 52.31%）。漲跌幅度在3%~5%范圍內(nèi)的少數(shù)，漲跌幅度大于5%的極少數(shù)。通過對“漲跌幅”進行篩選，發(fā)現(xiàn)有兩個超過10%的數(shù)據(jù)（飆升），是2008/10/13的漲11.0803%和2008/10/28的漲10.8779%。

查看.xlsx表和.xlsx表中2008/10/13和2008/10/28當(dāng)天以及前面幾天的新聞數(shù)據(jù)，再通過上網(wǎng)搜索，分析原因，簡單總結(jié)如下。