#import?packages
import?pandas?as?pd
import?numpy?as?np

#to?plot?within?notebook
import?matplotlib.pyplot?as?plt

fig?=?plt.figure（facecolor=‘white‘）
ax?=?fig.add_subplot（111）
#setting?figure?size
from?matplotlib.pylab?import?rcParams
rcParams[‘figure.figsize‘]?=?2010

#for?normalizing?data
from?sklearn.preprocessing?import?MinMaxScaler
scaler?=?MinMaxScaler（feature_range=（0?1））

from?sklearn.preprocessing?import?MinMaxScaler
from?keras.models?import?Sequential
from?keras.layers?import?Dense?Dropout?LSTM
#read?the?file
#?df?=?pd.read_csv（‘NSE-TATAGLOBAL（1）.csv‘）
data=pd.Dataframe（pd.read_excel（‘C:/預(yù)測(cè)庫(kù)/CPI.xlsx‘sheet_name=‘CPI分項(xiàng)‘header=2index=‘頻率‘））#對(duì)數(shù)據(jù)轉(zhuǎn)換為dataframe
data.rename（columns={‘月‘:‘CPI‘‘月.1‘:‘食品煙酒‘‘月.2‘:‘衣著‘‘月.3‘:‘居住‘‘月.4‘:‘生活用品及服務(wù)‘‘月.5‘:‘交通和通信‘‘月.6‘:‘教育文化和娛樂(lè)‘‘月.7‘:‘醫(yī)療保健‘‘月.8‘:‘其他用品和服務(wù)‘}inplace=True）#對(duì)列名進(jìn)行重新修改
data=data.fillna（method=‘ffill‘）
#print?the?head
#?df.head（）


#setting?index?as?date
data.index=pd.to_datetime（data.index）


#plot
plt.figure（figsize=（168））
plt.plot（data[‘CPI‘]?label=‘CPI‘）
#importing?required?libraries


#creating?dataframe
#?data?=?data.sort_index（ascending=True?axis=0）
#?new_data?=?pd.Dataframe（index=range（0len（df））columns=[‘Date‘?‘Close‘]）
#?for?i?in?range（0len（data））:
#?new_data[‘Date‘][i]?=?data[‘Date‘][i]
#?new_data[‘Close‘][i]?=?data[‘Close‘][i]

#setting?index
#?new_data.index?=?new_data.Date
#?new_data