Meidilandскопируй с форума и полностью замени,у меня норм
Что-то ругается на синтаксис
Полная версия: arrays with Timestamp is no longer supported
xam1816Ух, извиняюсь, действительно работает.
скопируй с форума и полностью замени,у меня норм
Т.е. если дата с таймштампом, мы её не преобразуя в обычную ddmmyyyy так и отправляем обратно в эксель, т.к. он всё равно её воспримет как дату? Почему бы и нет, хорошее решение конкретно для моего случая
Большое спасибо!
Meidilandну так,побаловаться на первое время хватит))))
Почему бы и нет, хорошее решение конкретно для моего случая
Meidilandблин блинский не занимайтесь ерундой переделывайте на csv
Почему бы и нет, хорошее решение
AD0DE412ОН и говорит что,чтобы так сделать ему нужно изучать этот вопрос,а побаловаться уже сейчас охота
переделывайте на csv
вот так можно посмотреть свой файл в csv
import pandas as pd read_file = pd.read_excel (r'My_excel.xlsx')#Путь к файлу свой указать read_file.to_csv (r'my_new_file.csv', index = None, header=True) print(read_file)
xam1816Спасибо, попробую на досуге)
вот так можно посмотреть свой файл в csv
Meidiland
Плюс моя основная цель не просто парсить котировки, а дальше их обработать с помощью формул в экселе (уже построил там нужные модели), т.е. как минимум придется каждый раз переносить данные в эксель.
Я бы советовал вам вместо создания ручками xls с датами поместить массив с диапазоном дат либо прямо в код скрипта, либо загрузить его из текстового файла формат которого поддерживает даты и время (json, yaml…). Для редактирования дат использовать просто текстовый редактор.
Модели строить прямо в питоне. Для этого можно взять scikit-learn или если возникнет аппетит к нейросетям tensorflow,kerras. Такой выбор даст вам гораздо более широкие возможности по построению моделей чем эксель.
Надо понимать. Два языка это как две страны. За каждое перемещение данных или кода через границу и взымается пошлина в виде кучи кода и ошибок. Для того чтобы чтото тащить через границу должны быть веские основания, чтобы за границей было чтото уникальное, труднодостижимое с другой стороны.
Ваша система былабы проще если бы вы для скачивания использовали VBA. И было бы вам счастье.
Она будет еще проще если все делать на питоне.
помоему сейчас ситуация такова:
загрузка данных:
exel - нет python - investpy
построение моделей:
exel - аппроксимация, python - scikit-learn
отображение результатов на графиках:
exel - графики на странице, python - matplotlib
отображение результатов в таблице:
exel - родное, python - текстовый вывод, отображение в Qt,wx, отображение на веб формах.
Для человека знающего питон выбор очевиден. Экселу просто нечего предложить такого, чего нет в питоне, из за чего стоилобы тащить данные в эксел.
Ну и чисто субъективно, про анализ данных на питоне всегда слышу, а про дата сайнтистов работающих в экселе ни разу не слышал… Ваш выбор инструмента поэтому кажется подозрительным. Ну у них правда еще есть привычка работать в Jupiter notebooks или с использованием языка R.
doza_and Спасибо за советы. Обязательно посмотрю библиотеки, о которых написали (в первый раз про такие слышу).
С экселем всё просто: привычка (так повелось в финансовой сфере с 00х годов), возможность сразу отправить посмотреть то что сделал коллеге/руководству /клиенту, большое количество справочного материала на русском.
К этому присоединяешь очень поверхностно (как мой скрипт) python, потому что есть готовые решения типа investpy. Всё же я не программист, а финансовый аналитик.
А чтобы делать с нуля новые решения, пусть даже гораздо более эффективные и без костылей, то нужно гораздо глубже во всё погружаться, а тут уже всплывает вопрос мотивации и т.д. Но, как я уже писал выше, обязательно поинтересуюсь всем, что тут мне советовали в теме. Ещё раз спасибо, искал ответа на техническую проблему, а в итоге вероятно значительно расширю свой кругозор и навыки.
С экселем всё просто: привычка (так повелось в финансовой сфере с 00х годов), возможность сразу отправить посмотреть то что сделал коллеге/руководству /клиенту, большое количество справочного материала на русском.
К этому присоединяешь очень поверхностно (как мой скрипт) python, потому что есть готовые решения типа investpy. Всё же я не программист, а финансовый аналитик.
А чтобы делать с нуля новые решения, пусть даже гораздо более эффективные и без костылей, то нужно гораздо глубже во всё погружаться, а тут уже всплывает вопрос мотивации и т.д. Но, как я уже писал выше, обязательно поинтересуюсь всем, что тут мне советовали в теме. Ещё раз спасибо, искал ответа на техническую проблему, а в итоге вероятно значительно расширю свой кругозор и навыки.