pandas读写文件

实验：完成股票基本面功能，并提交(读取文件获取数据、统计值、绘制简单图等)，可以参考以下内容：(注意以下blog使用的数据与课件一致，为了避免网络问题，本课件同时也提供了离线数据，试验可根据需要自行选择tushare接口还是读取离线csv文件)
Tushare财经数据接口(三)案例——股票基本面统计于科技人文间徘徊的博客-CSDN博客_tushare 市盈率*


- 


```**

不知道你这个问题是否已经解决, 如果还没有解决的话:

以下回答来自chatgpt:
针对提出的问题，以下是一些提示和建议：
1. Pandas的读写文件功能非常强大，可以使用read_csv()函数读取CSV文件，使用to_csv()函数将数据写入到CSV文件中。读取CSV文件的方法如下所示：
```
import pandas as pd
df = pd.read_csv('file_name.csv')
```
这将会读取一个名为"file_name.csv"的CSV文件并将其作为一个Pandas数据帧(df)的形式存储。
1. 处理数据的方法有很多种，例如对数据进行清洗、转换、筛选等。可以使用Pandas提供的一些方法来进行这些操作，例如fillna()函数可以将空值填充为指定值，例如：
```
df.fillna(value=0, inplace=True)
```
将会将空值填充为0，inplace=True表示原地修改。
1. 统计指标可以使用Pandas中的各种聚合操作，例如mean()、max()、min()、sum()等。例如：
```
mean = df['column_name'].mean()
```
将会计算"column_name"列的平均值。
1. 绘制图表可以使用Pandas自带的plot()函数进行处理，例如：
```
df.plot(x='column_name_1', y='column_name_2', kind='bar')
```
将会以柱状图的形式绘制"column_name_1"和"column_name_2"列的关系。
针对题目中的附加需求，可以使用Pandas的apply()函数来完成对每行数据的处理，例如：
```
def fillna_func(row):
    if pd.isnull(row['A']):
        if pd.isnull(row['B']):
            return row['C']
        else:
            return row['B']
    else:
        return row['A']

df['A'] = df.apply(lambda row: fillna_func(row), axis=1)
```
这将会处理每一行数据中的缺失值，如果"A"列为空，则用"B"列的值填充，如果"B"列的值为空，则用"C"列的值填充。
最后，建议在进行实验时保持代码的规范和注释，以便自己和他人更好地了解代码的含义和功能。

如果你已经解决了该问题, 非常希望你能够分享一下解决方案, 写成博客, 将相关链接放在评论区, 以帮助更多的人 ^-^