成人国产精品视频_精品国产影院_欧美日韩在线播放_国产福利电影一区_亚洲 欧美 日韩在线_成人精品二区

2.理解數據

此數據集中包括三個CSV文件：

.csv是道瓊斯工業平均指數（DJIA）股票數據：7個字段，1990行。包含Date（日期），Open（開盤價），High（最高價），Low（最低價），Close（收盤價），（成交量）和Adj Close（調整后的收盤價）。（范圍：2008-08-08至2016-07-01）

.csv是新聞數據：27個字段，1990行。包含Date（日期），Label（標簽）和Top1-Top25（當日的頭25條新聞）。（范圍：2008-08-08至2016-07-01）

.csv：2個字段，73609行。包含Date（日期），News（新聞），所有新聞都根據它們的熱度從上到下排名，每個日期有25行。（范圍：2008-06-08至2016-07-01）

3.數據清洗

數據清洗的主要步驟如下：

選擇子集，列重命名，刪除重復值，缺失值處理，一致化處理，數據排序，異常值處理

先將后綴為.csv的文件保存為后綴為.xlsx的文件。

檢查數據集，發現沒有重復列，沒有缺失值，同一列的數據類型統一，日期格式統一。將三個數據表都按時間升序排列。排序后的數據集前幾行部分數據如下：

4.數據建模

對.xlsx表中的Adj Close做描述統計分析，得到如下數據：

平均Adj Close是13463.03，標準差為3144.007，因為是8年的數據，波動比較大，需要再做更細致的分析以探索股票數據。

對.xlsx表中的Date和Label列，做數據透視表，統計每年的漲和跌的天數，結果如下：

“1”表示DJIA Adj Close值上升或保持不變，“0”表示下降。可以看出每年上漲和下跌的天數比較均衡。

在.xlsx表中增加一列“漲跌幅”，計算過程如下：

漲跌幅的結果以百分號表示：

通過函數對漲跌幅進行分組：

然后通過數據透視表統計漲跌幅分組情況：

發現大部分情況下都是在-3%~3%的漲跌范圍內，即分組標簽為小漲和小跌的那兩類，占96.73%（44.42% 52.31%）。漲跌幅度在3%~5%范圍內的少數，漲跌幅度大于5%的極少數。通過對“漲跌幅”進行篩選，發現有兩個超過10%的數據（飆升），是2008/10/13的漲11.0803%和2008/10/28的漲10.8779%。

查看.xlsx表和.xlsx表中2008/10/13和2008/10/28當天以及前面幾天的新聞數據，再通過上網搜索，分析原因，簡單總結如下。