如何进行python编程：一个简单的收入波动分析模型

) result_lm['department']=result.index[i] #将部门名称添加到数据框中 frames.append(result_lm) return pd.concat(frames)

调用上述函数得到每个部门下影响最大的类目：

final=max_lm(result,df)

如果我们想把结果导出到excel表中，可以这样写：

writer=pd.ExcelWriter('output_today.xlsx')result.to_excel(writer, sheet_name='max_departments')final.to_excel(writer, sheet_name='max_itemcats')writer.save()

总结

1. 准备好python开发环境，即 “代码编辑器＋ipython”；

2. 写代码前清晰定义实现最终目标的每个步骤；

3. 写代码的过程中识别做事的模式，创造工具简化复用性操作；

4. 利用for循环遍历列表。

最终代码

 

import pandas as pd import datetimetoday="%s"%(datetime.date.today())yesterday="%s"%(datetime.date.today()-datetime.timedelta(days=1))qiantian="%s"%(datetime.date.today()-datetime.timedelta(days=2))print("昨天和前天的日期分别是：")print(yesterday,qiantian)df=pd.read_excel('/Users/xiangzhendong/Downloads/income_data.xls')def max_change(df, rows):    df_pivot=df.pivot_table('income',index=rows,columns='date',aggfunc='sum')    df_pivot['change_amt']=df_pivot[yesterday]-df_pivot[qiantian]    df_pivot['change_pct']=abs(df_pivot['change_amt']/df_pivot['change_amt'].sum())    return df_pivot[df_pivot['change_pct']>=0.1]result=max_change(df,'department')print(result)def max_lm(result,df):    frames=[]    for i in range(len(result)):        result_lm=max_change(df[df['department']==result.index[i]],'itemcats')        result_lm['department']=result.index[i]

 3/3   首页 上一页 1 2 3