AIM-PIbd-32-Kuzin-P-S/lab_1/lab1.ipynb

Hello

Блок комментов¶

Толстый - ** ** Курсив - * * Зачеркнутый - ~~ ~~ Выводок колонок: print(df.columns)

df.info() - информация о всех колонках в таблице (сколько записей в каждой колонке, какой тип данных в записи)

.transpose() - транспонировать матрицу df.drop() - возвращает таблицу с убраннами столбцами () axis = ось (0 или index - значит строки/1 или coloumns - столбцы)

In [29]:

## Начало начал
import pandas as pd
import matplotlib.pyplot as plt
from datetime import date

df = pd.read_csv(".//static//csv//Starbucks Dataset.csv")

viborka = df.groupby(df.index // 500).head(1)
viborka.plot.scatter(x="Date", y="High", figsize=(30, 4))
# Диаграмма цен:

Out[29]:

<Axes: xlabel='Date', ylabel='High'>

In [69]:

df_subset = df.groupby(df.index // 1000).head(1)

value_counts = df_subset['Volume'].value_counts()
year = df_subset["Date"]

plt.figure(figsize=(15, 15))
plt.pie(
    df_subset["Volume"],
    labels= df_subset["Date"], # type: ignore
    autopct="%1.1f%%", rotatelabels=True
)
plt.show()
#Сравнение объема продаж от общего числа:

In [79]:

from sqlite3 import Date




# year_groups = pd.cut(dates, everyFiveYears, right=False)  # type: ignore

# group_counts = year_groups.value_counts().sort_index()  # type: ignore


# plt.figure(figsize=(10, 6))
# plt.show()

df.head(5).plot(x="Date", y=["High", "Low"])
#ВЫсоты и впадины в зависимости от времени

Out[79]:

<Axes: xlabel='Date'>