IT, BI, DWH, DM, AI

Yahoo Finance modul használata ( yfinance package) yfinance egy kedvelt opensource library melyet Ran Aroussi fejlesztett és hozzáférést nyujt a nyilvános céges pénzügyi adatokhoz a  Yahoo Finance keresztül. Csomag elérése: https://pypi.org/project/yfinance/ Installálás pip install fix-yahoo-finance==0.1.30 pip install yfinance --upgrade --no-cache-dir conda install -c ranaroussi yfinance conda install -c plotly plotly  Python programba a modul importálása  import yfinance as yf  Használat: Covid-19 kapcsán a pfizer cég adatait nézzük :  https://uk.finance.yahoo.com/quote/PFE?p=PFE&.tsrc=fin-srch A céges adatok elérése történhet: yf.Tickers                         -> egyedi azonosító val történő lékérdezéssel yf.download                      -> csoportos adat letöltéssel yf.pandas_datareader         -> pandas data oldasóval import yfinance as yf pfizer = yf . Ticker ( "PFE" ) #print('-----------------------') #print(pfizer.info) old = pfizer

Alapfogalmak Kommit: Elemi egység, a fájlokról elmentett pillanatkép. Minél gyakrabban és minél kisebb logikailag összetartozó egységet kommitoljunk A kommitokank van gyereke és szülője. HEAD: utolsó kommit Branch Kommitok egymásutáni sorozata (kommit pötty, branch vonal) master: automatikusan létrejön Workspace Fejlesztésben használt fájlok, ezeken dolgozunk Repository Metadatok tárolása (kommitok, branchek, címkék) Installálás apt-get install git-core git-doc git-gui gitk Help git help git help <parancs> # pl git help commit Beállítások git config --global user.name "Simon Balázs" git config --global user.email "balazs.simon@intren.hu" git config -l # lista Alias git config --global alias.co "checkout" git config --global alias.st "status" Alap parancsok Init Új git repository létrehozása git init Status Változások listázása git status Add, mv, rm File hozzáadása, áthelyezése, törlése git add <filename> git mv <oldfilename> &l

  Alapvető műveletek elvégzése SQL nyelv PANDAS (python csomag) megjelenítési kiválasztás SELECT col1 AS col2, col3 AS col4  df.columns = ['col2', 'col4'] SELECT DISTINCT col1 np.unique(branches_new['bank_name']) CAST(col1 AS DATE) AS col2 pd.to_datetime(df['col1']) CAST(col1 AS DECIMAL(15,4)) df['col1'] = df['col1'].round(4)  SELECT TOP 10 ... .head(10) Agregáció, összegzés SELECT col1, col2,COUNT(*)  … group by .. Order by .. df.groupby(['col1','col2']).agg({'col3':np.size}) SELECT day, AVG(tip), COUNT(*) tips.groupby('day').agg({'tip': np.mean, 'day': np.size}) SELECT smoker, day, COUNT(*), AVG(tip) tips.groupby(['smoker', 'day']).agg({'tip': [np.s