Wskazówki i triki przy pracy z zestawami danych

Prognozowanie finansowe w Pythonie

Victoria Clark

CGMA Financial Analyst

Typowe wyzwania przy pracy z danymi finansowymi

Dane surowe występują w różnych formatach
Format daty może się różnić!
- Format US: Miesiąc-Dzień-Rok, EU: Dzień-Miesiąc-Rok
- 09-08-2018 w US to 8 września, w EU to 9 sierpnia
Może powodować problemy z:
- Interpretacją
- Łączeniem danych

Używanie słownika

Słownik: tablica asocjacyjna
Klucze są mapowane na wartości
Nieuporządkowane pary klucz-wartość
Na przykład:
- Wartość 01 ma klucz Jan

dictionary = {01: 'Jan'}

słownik

Pamiętaj o bibliotece datetime

Dyrektywa	Znaczenie	Przykład
%d	Dzień miesiąca jako liczba dziesiętna z wiodącym zerem	01, 02, …, 31
%b	Skrócona nazwa miesiąca w ustawieniach regionalnych	Jan, Feb, …, Dec
%B	Pełna nazwa miesiąca	January, …,
%m	Miesiąc jako liczba dziesiętna z wiodącym zerem	01, 02, …, 12
%y	Rok bez stulecia jako liczba dziesiętna z wiodącym zerem	00, 01, …, 99
%Y	Rok ze stuleciem jako liczba dziesiętna	1988, 2001, 2013

# Example: 19-02-2018 will be written:
('19-02-2018', '%d-%m-%Y')

Iterowanie po elementach

Funkcja iteritems()

# Create dictionary with strings as keys
# and ints as values
wordFrequency = {
    "Hello" : 7,
    "hi" : 10,
    "there" : 45,
    "at" : 23,
    "this" : 77
    }

# Iterate over dictionary using for loop
for key in wordFrequency:
    value = wordFrequency[key]
    print(key, " :: ", value)

Hello  ::  7
there  ::  45
at  ::  23
this  ::  77
hi  ::  10

Czas na ćwiczenia!

Prognozowanie finansowe w Pythonie