《数据科学》课程作业：股票数据分析与可视化

"《数据科学》课程作业，吴义豪，北京科技大学计通学院通信1804班，上证A股股票数据分析" 本资源详细介绍了进行一项数据科学作业的过程，涉及了数据处理、分析和可视化等多个环节。作业基于上海机场的股票数据，数据源为CSV文件，包含了2003年4月至2016年6月的股票基本信息。在处理数据时，主要遵循以下步骤： 1. **数据读取与预处理**：首先使用`pandas`库的`read_csv`函数读取CSV文件，并按照指定列名保留代码、简称、日期、开盘价、收盘价和成交金额。接着，通过`dropna`方法删除包含空值的行，确保数据的完整性。 2. **日期转换**：将数据集中日期列转换为`datetime`类型，以便进行时间序列分析。这一步骤通过`pd.to_datetime`实现，将日期列设置为DataFrame的索引。 3. **数据汇总**：按照代码、简称和月份对数据进行分组，并计算每月的平均开盘价、平均收盘价以及总成交金额。这一步使用了`resample`函数进行时间频率的重采样，再结合`mean`和`sum`方法求得所需统计量。 4. **数据保存**：将处理后的数据保存到新的CSV文件中，以便后续分析或参考。 5. **数据可视化**：根据月份绘制平均开盘价和平均收盘价的曲线图，横坐标为月份，纵坐标为股价。这通常会使用`matplotlib`或`seaborn`等库来实现，以直观展示股价随时间的变化趋势。 6. **正态分布检验**：对所有月份的总成交金额进行正态性检验，通常可以使用Shapiro-Wilk检验或Kolmogorov-Smirnov检验等方法，以确定这些数值是否符合正态分布。正态分布检验的原理是对比观测数据与正态分布的拟合程度，如果检验统计量的p值小于显著性水平，通常认为数据不服从正态分布。 此作业涵盖了数据科学中的基础操作，包括数据清洗、时间序列分析、统计计算和数据可视化，这些都是数据分析师必备的技能。通过这个作业，学生能够熟悉和掌握`pandas`库的基本操作，以及如何应用统计学方法来理解金融数据的特性。