from datetime import * print (result_df["活动日期"]) #result_df["活动日期"] = result_df["活动日期"].map(lambda x: datetime.strptime(x, "%Y-%m-%d %H:%M:%S")) result_df[result_df["活动日期"].map(lambda x: datetime.strptime(x,"%Y-%m-%d %H:%M:%S"))]

在你提供的代码中，`result_df` 是一个数据帧，并且你想要使用 `map()` 函数将 `result_df` 数据帧中的 "活动日期" 列转换成日期时间格式。但是，在你尝试使用 `map()` 函数转换之前，你想要先查看 "活动日期" 列的值。因此，你打印了 `result_df["活动日期"]` 的值。

但是，你的最后一行代码存在错误。你想要使用布尔索引器来选择符合条件的行，并将这些行作为一个新的数据帧返回。但是，你传递给 `result_df[]` 的是一个布尔值的数组，而不是行的索引器。因此，你会得到 `TypeError: 'numpy.ndarray' object is not callable` 的错误。

如果你想要选择符合条件的行并将它们作为一个新的数据帧返回，你可以使用以下代码：

result_df[
    result_df["活动日期"].map(lambda x: datetime.strptime(x, "%Y-%m-%d %H:%M:%S"))
]

这个代码片段使用 `map()` 函数将 "活动日期" 列中的每个值转换成日期时间格式，并返回一个布尔值的数组，这个数组指示哪些行的 "活动日期" 值可以被转换成日期时间格式。然后，这个布尔值的数组被传递给 `result_df[]` 索引器，选择符合条件的行并将它们作为一个新的数据帧返回。

相关问题

import requests import re import pandas as pd import time import datetime url = 'http://datacenter-web.eastmoney.com/api/data/v1/get?' name_list = [] code_list = [] trader_date_list = [] close_list = [] change_rate_list = [] buy_num_list = [] result_list = [] result_df = pd.DataFrame() for page in range(1, 4): params = ( ('callback', 'jQuery112305930880286224138_1632364981303'), ('sortColumns', 'NET_BUY_AMT,TRADE_DATE,SECURITY_CODE'), ('sortTypes', '-1,-1,1'), ('pageSize', '50'), ('pageNumber', str(page)), ('reportName', 'RPT_ORGANIZATION_TRADE_DETAILS'), ('columns', 'ALL'), ('source', 'WEB'), ('clientl', 'WE'), ('filter', "(TRADE_DATE>='2021-09-17')") ) response = requests.get(url, params=params) text = response.text print(text) # re准则查找数据 name = re.findall('"SECURITY_NAME_ABBR":"(.*?)"', text) # 名称 code = re.findall('"SECURITY_CODE":"(.*?)"', text) # 股票代码 trader_date = re.findall('"TRADE_DATE":"(.*?)"', text) # 交易日期 close = re.findall('"CLOSE_PRICE":(.*?)\,', text) # 收盘价 change_rate = re.findall('"CHANGE_RATE":(.*?)\,', text) # 涨幅 buy_num = re.findall('"BUY_TIMES":(.*?)\,', text) # 买入机构数量 # 将对应的列表里的数据全部加起来 name_list = name_list + name code_list = code_list + code trader_date_list = trader_date_list + trader_date close_list = close_list + close change_rate_list = change_rate_list + change_rate buy_num_list = buy_num_list + buy_num time.sleep(2) # 将所有列表合并成二维数组 result_list = [trader_date_list, code_list, name_list, close_list, change_rate_list, buy_num_list] # 将数据转为DataFrame格式 result_df = pd.DataFrame(result_list).T.rename( columns={0: '交易日期', 1: '股票代码', 2: '股票名称', 3: '收盘价', 4: '涨幅', 5: '买入机构'}) result_df['交易日期'] = pd.to_datetime(result_df['交易日期']) # 时间只取年月日 result_df = result_df.sort_values(by='交易日期', ascending=True) print(result_df)注释

这是一段 Python 代码，用于爬取东方财富网的机构交易数据。代码使用 requests 库向数据接口发起请求，然后使用正则表达式从返回的 JSON 数据中提取出所需信息，最后将数据整合成 pandas DataFrame 格式并输出。具体来说，代码循环爬取 3 页数据，每页包含 50 条交易记录。请求参数中的 filter 参数表示只爬取交易日期在 2021-09-17 及之后的数据。最后输出的 DataFrame 包含交易日期、股票代码、股票名称、收盘价、涨幅和买入机构等信息。

2、为下面的程序的每一行标上注释； import requests import re import pandas as pd import time import datetime url = 'http://datacenter-web.eastmoney.com/api/data/v1/get?' name_list = [] code_list = [] trader_date_list = [] close_list = [] change_rate_list = [] buy_num_list = [] result_list = [] result_df = pd.DataFrame() for page in range(1, 4): params = ( ('callback', 'jQuery112305930880286224138_1632364981303'), ('sortColumns', 'NET_BUY_AMT,TRADE_DATE,SECURITY_CODE'), ('sortTypes', '-1,-1,1'), ('pageSize', '50'), ('pageNumber', str(page)), ('reportName', 'RPT_ORGANIZATION_TRADE_DETAILS'), ('columns', 'ALL'), ('source', 'WEB'), ('clientl', 'WE'), ('filter', "(TRADE_DATE>='2021-09-17')") ) response = requests.get(url, params=params) text = response.text print(text) # re准则查找数据 name = re.findall('"SECURITY_NAME_ABBR":"(.*?)"', text) # 名称 code = re.findall('"SECURITY_CODE":"(.*?)"', text) # 股票代码 trader_date = re.findall('"TRADE_DATE":"(.*?)"', text) # 交易日期 close = re.findall('"CLOSE_PRICE":(.*?)\,', text) # 收盘价 change_rate = re.findall('"CHANGE_RATE":(.*?)\,', text) # 涨幅 buy_num = re.findall('"BUY_TIMES":(.*?)\,', text) # 买入机构数量 # 将对应的列表里的数据全部加起来 name_list = name_list + name code_list = code_list + code trader_date_list = trader_date_list + trader_date close_list = close_list + close change_rate_list = change_rate_list + change_rate buy_num_list = buy_num_list + buy_num time.sleep(2) # 将所有列表合并成二维数组 result_list = [trader_date_list, code_list, name_list, close_list, change_rate_list, buy_num_list] # 将数据转为DataFrame格式 result_df = pd.DataFrame(result_list).T.rename( columns={0: '交易日期', 1: '股票代码', 2: '股票名称', 3: '收盘价', 4: '涨幅', 5: '买入机构'}) result_df['交易日期'] =pd.to_datetime(result_df['交易日期']) # 时间只取年月日 result_df = result_df.sort_values(by='交易日期', ascending=True) print(result_df)

# 导入需要的库
import requests
import re
import pandas as pd
import time
import datetime

# 定义请求的url
url = 'http://datacenter-web.eastmoney.com/api/data/v1/get?'

# 定义空列表用于存储数据
name_list = []
code_list = []
trader_date_list = []
close_list = []
change_rate_list = []
buy_num_list = []
result_list = []
result_df = pd.DataFrame()

# 循环请求数据
for page in range(1, 4):
params = (
('callback', 'jQuery112305930880286224138_1632364981303'),
('sortColumns', 'NET_BUY_AMT,TRADE_DATE,SECURITY_CODE'),
('sortTypes', '-1,-1,1'),
('pageSize', '50'),
('pageNumber', str(page)),
('reportName', 'RPT_ORGANIZATION_TRADE_DETAILS'),
('columns', 'ALL'),
('source', 'WEB'),
('clientl', 'WE'),
('filter', "(TRADE_DATE>='2021-09-17')")
)

# 发送请求，并获取响应数据
response = requests.get(url, params=params)
text = response.text
print(text)

# 使用正则表达式查找数据
name = re.findall('"SECURITY_NAME_ABBR":"(.*?)"', text) # 名称
code = re.findall('"SECURITY_CODE":"(.*?)"', text) # 股票代码
trader_date = re.findall('"TRADE_DATE":"(.*?)"', text) # 交易日期
close = re.findall('"CLOSE_PRICE":(.*?)\,', text) # 收盘价
change_rate = re.findall('"CHANGE_RATE":(.*?)\,', text) # 涨幅
buy_num = re.findall('"BUY_TIMES":(.*?)\,', text) # 买入机构数量

# 将对应的列表里的数据全部加起来
name_list = name_list + name
code_list = code_list + code
trader_date_list = trader_date_list + trader_date
close_list = close_list + close
change_rate_list = change_rate_list + change_rate
buy_num_list = buy_num_list + buy_num

# 暂停2秒钟
time.sleep(2)

# 将所有列表合并成二维数组
result_list = [trader_date_list, code_list, name_list, close_list, change_rate_list, buy_num_list]

# 将数据转为DataFrame格式
result_df = pd.DataFrame(result_list).T.rename(columns={0: '交易日期', 1: '股票代码', 2: '股票名称', 3: '收盘价', 4: '涨幅', 5: '买入机构'})

# 将时间列转换为日期格式，并只取年月日
result_df['交易日期'] = pd.to_datetime(result_df['交易日期'])

# 根据交易日期排序
result_df = result_df.sort_values(by='交易日期', ascending=True)

# 打印结果
print(result_df)