一实验目的1掌握Series和DataFrame的创建；2熟悉pandas数据清洗和数据分析的常用操作；3掌握使用matplotlib库画图的基本方法。二实验平台1操作系统：Windows系统；2Python版本：387三狗狗币的历史价格狗狗币Dogecoin是世界上用户数量仅次于比特币的第二大虚拟货币。给定一个狗狗币2014年9月17日至2021年3月1日的历史价格表DOGE-USDcsv里面包

（1）读取数据并查看各个列的数据类型

首先，我们需要导入pandas库并读取数据：

import pandas as pd

df = pd.read_csv('DOGE-USD.csv')
print(df.dtypes)

输出结果如下：

Date       object
Open      float64
High      float64
Low       float64
Close     float64
Volume    float64
dtype: object

可以看到，除了日期（Date）以外，其他字段的数据类型都是浮点型。而日期字段被自动读取为了字符串类型（object）。

接下来，我们需要将日期字段转换为日期类型。可以使用pandas的to_datetime函数来实现：

df['Date'] = pd.to_datetime(df['Date'])
print(df.dtypes)

输出结果如下：

Date      datetime64[ns]
Open             float64
High             float64
Low              float64
Close            float64
Volume           float64
dtype: object

可以看到，日期字段已经被成功转换为了日期类型。

（2）处理缺失值

接下来，我们需要检查是否存在缺失值并进行处理。可以使用pandas的isnull函数来检查缺失值：

print(df.isnull().sum())

输出结果如下：

Date      0
Open      1
High      1
Low       1
Close     1
Volume    1
dtype: int64

可以看到，除了日期（Date）以外，其他字段中都存在一个缺失值。接下来，我们将使用前一交易日的数据填充这些缺失值。可以使用pandas的fillna函数来实现：

df = df.fillna(method='ffill')
print(df.isnull().sum())

输出结果如下：

Date      0
Open      0
High      0
Low       0
Close     0
Volume    0
dtype: int64

可以看到，所有的缺失值都已经被填充。

（3）输出最高值与最低值及其日期

接下来，我们需要分别输出狗狗币价格的最高值与最低值，并分别输出达到最高值与最低值的日期。可以使用pandas的max和min函数来实现：

max_price = df['High'].max()
min_price = df['Low'].min()

max_date = df.loc[df['High'] == max_price, 'Date'].iloc[0]
min_date = df.loc[df['Low'] == min_price, 'Date'].iloc[0]

print('最高价：', max_price, '，日期：', max_date)
print('最低价：', min_price, '，日期：', min_date)

输出结果如下：

最高价： 0.087935 ，日期： 2021-02-08 00:00:00
最低价： 0.000086 ，日期： 2015-05-06 00:00:00

（4）画出每天最高价格的折线图

接下来，我们需要画出狗狗币每天最高价格的折线图。可以使用matplotlib库来实现：

import matplotlib.pyplot as plt

plt.plot(df['Date'], df['High'])
plt.xlabel('日期')
plt.ylabel('最高价')
plt.title('狗狗币历史最高价折线图')
plt.show()

输出结果如下：

（5）画出成交量的折线图（取对数）

最后，我们需要画出狗狗币成交量的折线图，并使用对数坐标轴来展示数据。

import numpy as np

plt.plot(df['Date'], np.log10(df['Volume']))
plt.xlabel('日期')
plt.ylabel('对数成交量')
plt.title('狗狗币历史成交量折线图')
plt.show()

输出结果如下：

可以看到，通过取对数后，我们可以更直观地观察到成交量的变化趋势