我正在使用Python3.5,我正在使用pandas.我已经从yahoo finance加载了库存数据并将文件保存到csv.我的DataFrames从csv加载这些数据.这是我的DataFrame的十行csv文件的副本
Date Open High Low Close Volume Adj Close
1990-04-12 26.875000 26.875000 26.625 26.625 6100 250.576036
1990-04-16 26.500000 26.750000 26.375 26.750 500 251.752449
1990-04-17 26.750000 26.875000 26.750 26.875 2300 252.928863
1990-04-18 26.875000 26.875000 26.500 26.625 3500 250.576036
1990-04-19 26.500000 26.750000 26.500 26.750 700 251.752449
1990-04-20 26.750000 26.875000 26.750 26.875 2100 252.928863
1990-04-23 26.875000 26.875000 26.750 26.875 700 252.928863
1990-04-24 27.000000 27.000000 26.000 26.000 2400 244.693970
1990-04-25 25.250000 25.250000 24.875 25.125 9300 236.459076
1990-04-26 25.000000 25.250000 24.750 25.000 1200 235.282663 …我正在写一个函数，可以向我的数据库添加一个新表。我遇到的问题是表已经存在时出现错误消息：
pymysql.err.InternalError: (1050, "Table 'doesthiswork' already exists")
因此，我在代码中添加了一个except，该代码可以正常工作，但它排除了所有内部错误。除了我假定的特定错误不是1050而不是内部错误之外，如何获取代码？
import pymysql
def CreateTable(Host,User,Password,DataBase,TableName):
try:
conn = pymysql.connect(
host = Host,
user = User,
password= Password,
db = DataBase
)
a = conn.cursor()
tblName = TableName
sql = 'CREATE TABLE'+" "+ tblName + '(try varchar(128));'
a.execute(sql)
except pymysql.err.InternalError:
print (tblName + " " + 'already exist')
上面的代码可以工作，但是如前所述，如果出现了其他类型的内部错误，则仅会因为表已经存在而不是实际错误本身而已。
我正在构建功能来帮助我从Web加载数据。就加载数据而言，我试图解决的问题是列名称因来源而异。例如，Yahoo Finance数据列标题看起来像“打开”，“高”，“低”，“关闭”，“交易量”，“调整关闭”。Quandl.com将具有包含DATE，VALUE，日期，值等的数据集。所有大写和小写字母将丢弃所有内容以及Value和Adj。封闭在很大程度上意味着相同的东西。我想将名称不同但含义相同的列关联到一个值。例如调整。收盘价和价值均= AC；打开，打开，然后全部打开=O。
因此，我有一个Csv文件（“ Functions // ColumnNameChanges.txt”），该文件存储dict（）键和列名的值。
Date,D
Open,O
High,H
然后我写了这个函数来填充我的字典
def DictKeyValuesFromText ():
Dictionary = {}
TextFileName = "Functions//ColumnNameChanges.txt"
with open(TextFileName,'r') as f:
for line in f:
x = line.find(",")
y = line.find("/")
k = line[0:x]
v = line[x+1:y]
Dictionary[k] = v
return Dictionary
这是print（DictKeyValuesFromText（））的输出
{'': '', 'Date': 'D', 'High': 'H', 'Open': 'O'}
下一个功能是我的问题所在
def ChangeColumnNames(DataFrameFileLocation):
x = DictKeyValuesFromText()
df = pd.read_csv(DataFrameFileLocation)
for y in df.columns:
if y not in x.keys():
i = input("The column " + y + …我正在使用python 3.5并导入了numpy和pandas库.我创建了一个名为df的DataFrame,其索引从零开始,有两列; 变化百分比(PofChg)和向上,向下或平坦(U_D_F).
对于U_D_F列,我想根据PofChg列填充"Up","Down","Flat"字样.Up表示大于零,Down表示小于零,Flat表示等于零.
np.where函数似乎运行良好,除了两件事,(1)当PofChg列中的数字为"零"时,为什么它在U_D_F列中显示"Down"(2)如何制作np.where函数接受更多参数,即不是说 - 如果df.PofChg> 0,如果true显示"Up"或者如果false显示"Down",我想将其更改为 - 如果df.PofChg> 0,如果是真显示"向上"或如果错误显示"向下",但如果它等于零则显示"平坦"
这是我打印df时的当前输出
PofChg U_D_F
0 -1 Down
1 0 Down
2 1 Up
3 -2 Down
4 0 Down
5 5 Up
6 3 Up
7 -6 Down
Press any key to continue . . .
这是我的代码
import pandas as pd
import numpy as np
df = pd.DataFrame({'PofChg':[-1,0,1,-2,0,5,3,-6]})
df['U_D_F'] = np.where(df.PofChg > 0 , 'Up','Down');df
print(df)
我正在使用python从quandl.com下载数据，并且今天已经达到50次下载的极限。具有帐户的用户可以超过此限制，我已经设置了帐户。错误消息说我需要在请求中放入我的api密钥，但据我所知它没有说如何？
这是错误消息
quandl.errors.quandl_error.LimitExceededError: (Status 429) (Quandl Error QELx01) You have exceeded the anonymous user limit of 50 calls per day. To make more calls today, please register for a free Quandl account and then include your API key with your requests.
这是我正在使用的代码，除了请求限制外
import quandl
import pandas as pd
from datetime import datetime
import pandas.io.data as web
symbols = ['BOE/XUDLTWD','BOE/XUDLCDS','tvix']
pnls = {}
for i in symbols:
a = '/' in i
if a == True:
data = quandl.get(i )
t …我目前正在寻找一种方法来加载雅虎金融的多年股价历史.我将有100多个自动收报机符号,我将从1985年下载数据到当前日期.我想将Open,High,Low,Close,Adj Close,Volume加载到单个DataFrames(pandas)中,并将数据框的名称命名为当前股票代码.
我的问题是我的变量自动收报机不起作用,即使它确实有效,我怎么能存储这些数据？
import csv
import pandas as pd
import pandas_datareader.data as web
import datetime
#This represents the start and end date for the data
start = datetime.datetime(1985, 1, 1)
end = datetime.datetime(2016, 1, 27)
ticker = ['aapl','tvix','ugaz']
i= 0
while i < len(ticker):
f = web.DataReader(ticker, 'yahoo', start, end)
print(f)
i+=1
我希望能够永久存储所有这些数据,例如,如果我今天为100个股票代码加载30年的价格历史,那么明天我只需要追加一天的数据而不是全部30年.数据帧似乎是组织数据的最有效方式,但我不太确定,但我想做机器学习和数据分析.