x = 15 + 1.3
  
print(x)

x = 40
y = 12
  
add = x + y
sub = x - y
pro = x * y
div = x / y
  
print(add)
print(sub)
print(pro)
print(div)

a = 13
b = 12.0
  
c = a + int(b)
print(c)

a = 13
b = 5
  
c = a / b
print(c)

import pandas as pd

url = 'https://raw.githubusercontent.com/JJTorresDS/stocks-ds-edu/main/stocks.csv'
df = pd.read_csv(url, index_col=0)
print(df.head(5))

df.head()

df.shape

df['GOOG'].plot(kind='line',figsize=(10,6),xlabel='Fecha', ylabel='Precio Accion', title='Precio Accion vs Fecha')

columnas=list(df.columns)
google= [x for x in columnas if x =='GOOG']
google

indice_col=list(df.columns=='GOOG')
df_goog=df.loc[:,indice_col]
df_goog # Hemos terminado

df_n= df_goog.copy()
df_n['Fecha']= df_n.index 
df_n= df_n.reset_index(drop=True)
df_n['Fecha']=pd.to_datetime(df_n['Fecha'])
df_n

import plotly.express as px


fig=px.line(data_frame=df_n,x='Fecha',y='GOOG',title='Comportamiento GOOGLE',\
             labels={
                     "Fecha": "Fecha_dias",
                     "value": "Precio (USD)"
                 })
fig.update_layout(paper_bgcolor="#FFFFFF",plot_bgcolor='#FFFFFF',)

fig.show()

df_n

pasos = 2
def my_fun(x):
    return x.iloc[-1] - x.iloc[0]

df_n['Dif']=df_n['GOOG'].rolling(window=pasos).apply(my_fun) # Hacemos la diferencia del valor actual - anterior
df_n

# HAcemos un filtro de cuando los valores de Dif <0
index_bool= df_n.Dif<0
index_bool

# Ahora podemos aplicar el filtro sobre el objeto data frame
df_neg=df_n.loc[index_bool,:]
df_neg

import matplotlib.pyplot as plt
fig,ax= plt.subplots(figsize=(10,6))
ax.plot(df_n.Fecha,df_n.GOOG)
ax.scatter(x=df_neg.Fecha, y= df_neg.GOOG, s=20, color='red', label='R')
ax.set_xlabel('Fecha')
ax.set_ylabel('Precio')
ax.set_title('Precio Accion vs tiempo')
ax.legend(loc='upper left')