jieba及pandas库的使用

Question

1. 读取“stockdata.xlsx”文件，统计每个上市企业出现的频数，同时计算各个企业的频率（频数/总样本数），以“股票代码：词频”的方式呈现，并将统计结果写进文件（code.csv）储存。（词频统计）

2. 读取“stockdata.xlsx”文件，将企业短期负债和长期负债数据清洗成年度数据表（a2.xlsx）,要求表汇报企业的股票代码，年份，所有权、行业代码、短期负债，长期负债、资产负债率变量。要求：季度数据处理成年度数据时候使用均值法；缺失值的填充采取均值法。（平均值）

Answer 1

以下回答来自chatgpt,不懂的可以继续交流
首先，需要安装jieba和pandas库，可以使用以下命令进行安装：

pip install jieba pandas

接下来，可以使用pandas库读取“stockdata.xlsx”文件，并使用jieba库进行分词和词频统计，代码如下：

import pandas as pd
import jieba

# 读取数据
df = pd.read_excel('stockdata.xlsx')

# 分词
words = []
for name in df['企业名称']:
    words += jieba.lcut(name)

# 统计词频
word_count = {}
for word in words:
    if word in word_count:
        word_count[word] += 1
    else:
        word_count[word] = 1

# 计算频率
total_count = sum(word_count.values())
freq = {k: v/total_count for k, v in word_count.items()}

# 写入文件
with open('code.csv', 'w') as f:
    for k, v in freq.items():
        f.write(f'{k}：{v}\n')

以上代码会将每个企业名称进行分词，并统计每个词出现的频数，最后计算每个词的频率，并将结果写入文件“code.csv”。

接下来，需要将企业短期负债和长期负债数据清洗成年度数据表。首先，需要使用pandas库读取“stockdata.xlsx”文件，然后使用groupby和agg函数将季度数据处理成年度数据，代码如下：

# 读取数据
df = pd.read_excel('stockdata.xlsx')

# 将季度数据处理成年度数据
df['年份'] = df['日期'].dt.year
df = df.groupby(['股票代码', '年份']).agg({
    '所有权': 'first',
    '行业代码': 'first',
    '短期负债': 'mean',
    '长期负债': 'mean',
    '资产负债率': 'mean'
}).reset_index()

# 填充缺失值
df = df.fillna(df.mean())

# 写入文件
df.to_excel('a2.xlsx', index=False)

以上代码会将季度数据处理成年度数据，并使用均值法填充缺失值，最后将结果写入文件“a2.xlsx”。