为了获得1月12日的数据并保存到可读文件,我执行：
# Selecting data value of each day
my_df_Jan12 = my_df[(my_df['Fecha:']>='2018-01-12 00:00:00')
(my_df['Fecha:']<='2018-01-12 23:59:59')
my_df_Jan12.to_csv('Data_Jan_12.csv', sep=',', header=True, index=False)
从1月12日到8月03日有203天(28周)
我不想每天手动执行此查询,然后我尝试以下基本分析：
>我需要生成203个文件(每天1个文件)</
我的数据集的日期范围是2018年1月12日到8月3日,其中包含一些值：my_df DataFrame的维度是：my_df.shape(9752, 2)每行包含半小时的频率第一行开始于2018-01-12my_df.iloc[0]Date: 2018-01-12 00:17:28Value 1Name: 0, dtype: object最后一排结...
该脚本将抓取Nasdaq.com，以基于公司的股票代号来
提取
股市
数据
。 如果您想了解更多有关此刮板的信息，可以通过以下链接进行检查
这些说明将为您提供在本地计算机上运行并运行的项目的副本，以进行开发和测试。
纳斯达克刮板可以
提取
以下字段
最佳出价/询问
50天平均每日成交量
上一个收盘价
52周高/低
市盈率9.向前市盈率（1y）
每股收益（EPS）
股利支付日
当前收益率
开馆
日期
截止
日期
对于使用
Python
3的网络抓取教程，我们将需要一些软件包来下载和解析HTML。 以下是包装
switch (strtolower(substr($_GET['url'], 0,4))) {
case 'file':
echo 'file protocol do not allow';
break;
case 'php:':
echo 'php protocol do not allow'
import seaborn as sns
from matplotlib.pylab import style
from statsmodels.tsa.arima_model import ARIMA
from statsmodels.graphics.tsaplots import plot_acf,plot_pacf
style.use('ggplot')
plt..
def get_weekday(date_str, n):
date = datetime.datetime.strptime(date_str, '%Y-%m-%d')
delta = datetime.timedelta(days=n)
new_date = date + delta
return new_date.strftime('%A')
date_str = input('请输入
日期
(格式为YYYY-MM-DD)：')
n = int(input('请输入N：'))
weekday = get_weekday(date_str, n)
print(f'{date_str}后{n}天是{weekday}')
你可以将上面的代码复制到
Python
环境
中
运行，然后输入
日期
和 N，就可以得到输出了。注意，这里的
日期
格式必须为 YYYY-MM-DD，否则会出错。
