Нужна помощь в уточнении кода для запуска цикла for для суммирования экономических переменных из файла CSV?

Question

У меня есть CSV-файл с временным рядом двух экономических переменных (количество жилья и безработица).У меня есть список расчетов и сводка (текст), которая написана с выводом расчетов (в основном суммируя в формате абзаца, каковы тенденции данных).Я хотел бы получить отзыв о том, как я получаю цикл for, чтобы пройти через каждую переменную в CSV-файле, поэтому у меня есть сводка для каждой переменной в качестве окончательного результата.

Я пытался применить базовую логику цикла for, но я просто не уверен, что у меня неверный код.Я рассмотрел несколько примеров работы над stackoverflow, но, похоже, ничего не подходит, я уверен, что упускаю что-то простое, но давно не использую python, поэтому просто не уверен в этом.

raw_data = pd.read_csv('C:/Users/J042666/Desktop/2019.03 HOUST and GDP.csv')
df = pd.DataFrame(raw_data)

for i in df:

    freq = "monthly "
    units = " million "
    pos = 1
    colname = df.columns[pos]

    alltime = df.mean()
    low = df.min()
    maximum = df.max()
    today = df.iloc[720]
    one_year = df.iloc[709:721].mean()
    two_year = df.iloc[697:721].mean()
    five_year = df.iloc[661:721].mean()
    one_year_vol = df.iloc[709:721].std()
    two_year_vol = df.iloc[697:721].std()
    five_year_vol = df.iloc[661:721].std()
    today_vs_1 = ((today/one_year) -1)*100
    today_vs_2 = ((today/two_year) -1)*100 
    today_vs_5 = ((today/five_year) -1)*100
    rolling_1 = df.rolling(window=3).mean()
    rolling_2 = df.rolling(window=6).mean()
    rolling_3 = df.rolling(window=9).mean()
    today_vs_1_rolling = ((today/rolling_1.iloc[720]) -1)*100
    today_vs_2_rolling = ((today/rolling_2.iloc[720]) -1)*100 
    today_vs_3_rolling = ((today/rolling_3.iloc[720]) -1)*100
    summary = ("The " + str(freq) + str(colname) + " currently stands at " + str(today) + str(units) + " which compares to the 1,2 and 5 year averages of " + str(one_year) + str(units) + "," + str(two_year) + str(units) + "," + " and " + str(five_year) + str(units) + " respectively. " + " Based on the current " + str(colname) + " levels, that reflects a change of" + str(today_vs_1) + ", " + str(today_vs_2) + " and " + str(today_vs_5) + " respectively." " Since the metric began being tracked, the minimum, maximum and long run average total " + str(low) + str(units) + ", " + str(maximum) + str(units) + " and " + str(alltime) + str(units) + " respectively. " "The 1, 2 and 5 year standard deviation for " + str(colname) + " totals " + str(one_year_vol) + str(units) + " ," + str(two_year_vol) + str(units) + " and" + str(five_year_vol) + str(units) + " respectively." + " Based on the current " + str(colname) + " levels compared to the 3, 6 and 9 month rolling averages, the current level reflects a change of " + str(today_vs_1_rolling) + ", " + str(today_vs_2_rolling) + " and " + str(today_vs_3_rolling) + " respectively.")
print(summary)

Как я описал выше, я надеюсь, что у меня будет код, который генерирует сводную информацию о финансовых показателях, которые я вычисляю в цикле for для каждой переменной.

Answer 1

Проблема в том, что вы выбираете весь фрейм данных, а не каждый столбец, поэтому анализ, который вы выполняли, был сделан для обоих столбцов.Я также просто извлек необходимые значения из ваших операций вместо сохранения всего текста, который выводится из Pandas.

Это должно работать:

df = pd.read_csv('2019.03 HOUST and GDP.csv')
df = df.loc[:, ['Housing Starts', 'Unemployment Rate']]

for idx, col in enumerate(df.columns):

    freq = "monthly "
    units = " million "
    colname = col

    selectedCol = df.loc[:, [col]]

    alltime = selectedCol.mean()[0]
    low = selectedCol.min()[0]
    maximum = selectedCol.max()[0]
    today = selectedCol.iloc[720][0]
    one_year = selectedCol.iloc[709:721].mean()[0]
    two_year = selectedCol.iloc[697:721].mean()[0]
    five_year = selectedCol.iloc[661:721].mean()[0]
    one_year_vol = selectedCol.iloc[709:721].std()[0]
    two_year_vol = selectedCol.iloc[697:721].std()[0]
    five_year_vol = selectedCol.iloc[661:721].std()[0]
    today_vs_1 = ((today/one_year) -1)*100
    today_vs_2 = ((today/two_year) -1)*100
    today_vs_5 = ((today/five_year) -1)*100
    rolling_1 = selectedCol.rolling(window=3).mean()
    rolling_2 = selectedCol.rolling(window=6).mean()
    rolling_3 = selectedCol.rolling(window=9).mean()
    today_vs_1_rolling = ((today/rolling_1.iloc[720]) -1)*100
    today_vs_2_rolling = ((today/rolling_2.iloc[720]) -1)*100
    today_vs_3_rolling = ((today/rolling_3.iloc[720]) -1)*100
    summary = ("The " + str(freq) + str(colname) + " currently stands at " + str(today) + str(units) + " which compares to the 1,2 and 5 year averages of " + str(one_year) + str(units) + "," + str(two_year) + str(units) + "," + " and " + str(five_year) + str(units) + " respectively. " + " Based on the current " + str(colname) + " levels, that reflects a change of" + str(today_vs_1) + ", " + str(today_vs_2) + " and " + str(today_vs_5) + " respectively." " Since the metric began being tracked, the minimum, maximum and long run average total " + str(low) + str(units) + ", " + str(maximum) + str(units) + " and " + str(alltime) + str(units) + " respectively. " "The 1, 2 and 5 year standard deviation for " + str(colname) + " totals " + str(one_year_vol) + str(units) + " ," + str(two_year_vol) + str(units) + " and" + str(five_year_vol) + str(units) + " respectively." + " Based on the current " + str(colname) + " levels compared to the 3, 6 and 9 month rolling averages, the current level reflects a change of " + str(today_vs_1_rolling[0]) + ", " + str(today_vs_2_rolling[0]) + " and " + str(today_vs_3_rolling[0]) + " respectively.")
    print(summary)