Tips och tricks när du arbetar med datamängder

Finansiell prognosmodellering i Python

Victoria Clark

CGMA Financial Analyst

Vanliga utmaningar med finansiell data

Rådata finns i olika format
Datumformat kan variera!
- USA-format är Månad-Dag-År, EU är Dag-Månad-År
- 09-08-2018 är i USA den 8 september, i EU den 9 augusti
Kan skapa utmaningar vid:
- Tolkning
- Sammanslagning

Använda en ordbok

Ordbok: associativ array
Nycklar mappas till värden
Oordnade nyckel-värde-par
Till exempel:
- Värdet 01 har nyckeln Jan

dictionary = {01: 'Jan'}

ordbok

Kom ihåg att använda datetime-biblioteket

Direktiv	Betydelse	Exempel
%d	Dag i månaden som ett nollutfyllt decimaltal	01, 02, …, 31
%b	Månad som lokalens förkortade namn	Jan, Feb, …, Dec
%B	Månad som lokalens fullständiga namn	January, …,
%m	Månad som ett nollutfyllt decimaltal	01, 02, …, 12
%y	År utan sekel som ett nollutfyllt decimaltal	00, 01, …, 99
%Y	År med sekel som ett decimaltal	1988, 2001, 2013

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

Iterera över element

Funktionen 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

Nu kör vi en övning!

Finansiell prognosmodellering i Python