2.apple数据分析 (1) 导入实验数据‘apple.csv’ (2) 查看每一列的数据类型 (3) 将Date列转化为datetime数据类型 (4) 将Date列设置为行索引 (5) 有重复的日期吗？ (6) 将index设置为升序 (7) 选择2012的数据 (8) 选择2012-07数据 (9) 选择2012-07-25数据 (10) 选取2011-12-01之后的数据 (11) 选取2011-12-01之前的数据 (12) 把2013-12-01到2014-05-01之间的数据选出来 (13) 数据集中最早的日期和最晚的日期相差多少天？ (14) 以年为单位对数据进行重采样（聚合方式为求平均） (15) 以月为单位对数据进行重采样（聚合方式为求平均） (16) 找到每个月的最后一个交易日(business day) (17) 在数据中一共有多少个月？

好的，我会依次回答您的每一个问题。

1. 导入实验数据‘apple.csv’：

import pandas as pd

apple = pd.read_csv('apple.csv')
print(apple.head())

2. 查看每一列的数据类型：

print(apple.dtypes)

3. 将Date列转化为datetime数据类型：

apple['Date'] = pd.to_datetime(apple['Date'])
print(apple.dtypes)

4. 将Date列设置为行索引：

apple = apple.set_index('Date')
print(apple.head())

5. 有重复的日期吗？

print(apple.index.duplicated().any())

6. 将index设置为升序：

apple = apple.sort_index()
print(apple.head())

7. 选择2012的数据：

apple_2012 = apple['2012']
print(apple_2012.head())

8. 选择2012-07数据：

apple_2012_07 = apple['2012-07']
print(apple_2012_07.head())

9. 选择2012-07-25数据：

apple_2012_07_25 = apple.loc['2012-07-25']
print(apple_2012_07_25)

10. 选取2011-12-01之后的数据：

apple_after_2011_12_01 = apple.loc['2011-12-01':]
print(apple_after_2011_12_01.head())

11. 选取2011-12-01之前的数据：

apple_before_2011_12_01 = apple.loc[:'2011-12-01']
print(apple_before_2011_12_01.tail())

12. 把2013-12-01到2014-05-01之间的数据选出来：

apple_between_2013_12_01_and_2014_05_01 = apple.loc['2013-12-01':'2014-05-01']
print(apple_between_2013_12_01_and_2014_05_01.head())

13. 数据集中最早的日期和最晚的日期相差多少天？

days_diff = (apple.index.max() - apple.index.min()).days
print(days_diff)

14. 以年为单位对数据进行重采样（聚合方式为求平均）：

apple_resampled_yearly = apple.resample('Y').mean()
print(apple_resampled_yearly)

15. 以月为单位对数据进行重采样（聚合方式为求平均）：

apple_resampled_monthly = apple.resample('M').mean()
print(apple_resampled_monthly)

16. 找到每个月的最后一个交易日(business day)：

apple_monthly_last_bday = apple.resample('M').apply(lambda x: x.index.max())
print(apple_monthly_last_bday)

17. 在数据中一共有多少个月？

num_months = apple.resample('M').size().shape[0]
print(num_months)