Telegram Group & Telegram Channel
آشنایی با کتابخانه Pandas
برای ساخت Series از متد ()Series استفاده می‌کنیم. به دلیل تک بعدی بودنِ Series، مقادیری که می‌دهیم باید در یک بعد باشد. پس از لیست کمک می‌گیریم و آن را به عنوان اولین آرگومان به آن می‌دهیم. آرگومان دوم نام index-ها می‌باشد، که اگر مشخص نشود، به صورت پیشفرض از ۰ شروع می‌شود. بعد از تعریف کردن لیست مقادیر و index-ها، آن‌ها را به متد ()Series می‌دهیم و خروجی را دریافت می‌کنیم.
import pandas as pd
_inflation = ['10%', '30%', '40%', '15%']
_year = [1395, 1396, 1397, 1398]
_df= pd.Series(_inflation,_year )
print(_df)
البته این روش صرفا برای نمایش امکانات پانداس است و در عمل کارایی چندانی ندارد. در پست های آتی مفصل راجع به پانداس صحبت خواهیم کرد. با ما همراه باشید.

#پایتون_مالی
#سری_زمانی
#Pandas

پایتون برای مالی در تلگرام https://www.tg-me.com/es/Python4Finance/com.python4finance
پایتون برای مالی در بله https://ble.im/es/Python4Finance/com.python4finance



tg-me.com/python4finance/54
Create:
Last Update:

آشنایی با کتابخانه Pandas
برای ساخت Series از متد ()Series استفاده می‌کنیم. به دلیل تک بعدی بودنِ Series، مقادیری که می‌دهیم باید در یک بعد باشد. پس از لیست کمک می‌گیریم و آن را به عنوان اولین آرگومان به آن می‌دهیم. آرگومان دوم نام index-ها می‌باشد، که اگر مشخص نشود، به صورت پیشفرض از ۰ شروع می‌شود. بعد از تعریف کردن لیست مقادیر و index-ها، آن‌ها را به متد ()Series می‌دهیم و خروجی را دریافت می‌کنیم.
import pandas as pd
_inflation = ['10%', '30%', '40%', '15%']
_year = [1395, 1396, 1397, 1398]
_df= pd.Series(_inflation,_year )
print(_df)
البته این روش صرفا برای نمایش امکانات پانداس است و در عمل کارایی چندانی ندارد. در پست های آتی مفصل راجع به پانداس صحبت خواهیم کرد. با ما همراه باشید.

#پایتون_مالی
#سری_زمانی
#Pandas

پایتون برای مالی در تلگرام https://www.tg-me.com/es/Python4Finance/com.python4finance
پایتون برای مالی در بله https://ble.im/es/Python4Finance/com.python4finance

BY Python4Finance




Share with your friend now:
tg-me.com/python4finance/54

View MORE
Open in Telegram


Python4Finance Telegram | DID YOU KNOW?

Date: |

The S&P 500 slumped 1.8% on Monday and Tuesday, thanks to China Evergrande, the Chinese property company that looks like it is ready to default on its more-than $300 billion in debt. Cries of the next Lehman Brothers—or maybe the next Silverado?—echoed through the canyons of Wall Street as investors prepared for the worst.

The lead from Wall Street offers little clarity as the major averages opened lower on Friday and then bounced back and forth across the unchanged line, finally finishing mixed and little changed.The Dow added 33.18 points or 0.10 percent to finish at 34,798.00, while the NASDAQ eased 4.54 points or 0.03 percent to close at 15,047.70 and the S&P 500 rose 6.50 points or 0.15 percent to end at 4,455.48. For the week, the Dow rose 0.6 percent, the NASDAQ added 0.1 percent and the S&P gained 0.5 percent.The lackluster performance on Wall Street came on uncertainty about the outlook for the markets following recent volatility.

Python4Finance from es


Telegram Python4Finance
FROM USA