欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

Python數(shù)據(jù)分析之NumPy常用函數(shù)使用詳解

 更新時(shí)間：2022年05月23日 08:41:22   作者：PursuitingPeak  
本篇將介紹怎樣從文件中載入數(shù)據(jù)，以及怎樣使用NumPy的基本數(shù)學(xué)和統(tǒng)計(jì)分析函數(shù)、學(xué)習(xí)讀寫文件的方法，并嘗試函數(shù)式編程和NumPy線性代數(shù)運(yùn)算，來學(xué)習(xí)NumPy的常用函數(shù)，需要的可以參考一下

本篇我們將以分析歷史股價(jià)為例，介紹怎樣從文件中載入數(shù)據(jù)，以及怎樣使用NumPy的基本數(shù)學(xué)和統(tǒng)計(jì)分析函數(shù)、學(xué)習(xí)讀寫文件的方法，并嘗試函數(shù)式編程和NumPy線性代數(shù)運(yùn)算，來學(xué)習(xí)NumPy的常用函數(shù)。

文件讀入

讀寫文件是數(shù)據(jù)分析的一項(xiàng)基本技能

CSV（Comma-Separated Value，逗號(hào)分隔值）格式是一種常見的文件格式。通常，數(shù)據(jù)庫的轉(zhuǎn)存文件就是CSV格式的，文件中的各個(gè)字段對(duì)應(yīng)于數(shù)據(jù)庫表中的列。

NumPy中的 loadtxt 函數(shù)可以方便地讀取CSV文件，自動(dòng)切分字段，并將數(shù)據(jù)載入NumPy數(shù)組。

1、保存或創(chuàng)建新文件 

import numpy as np

i = np.eye(3) #eye(n)函數(shù)創(chuàng)建n維單位矩陣
print(i)
np.savetxt('test.txt', i) #savetxt()創(chuàng)建并保存test.txt文件

savetxt()函數(shù)，如果有已經(jīng)文件則更新，如目錄中沒有，則創(chuàng)建并保存test.txt文件

運(yùn)行結(jié)果如下：

[[1. 0. 0.]
 [0. 1. 0.]
 [0. 0. 1.]]

2、讀取csv文件的函數(shù)loadtxt

1）先在保存程序的目錄下創(chuàng)建一個(gè)名稱為data.csv的文件，并設(shè)置數(shù)據(jù)如下圖：

2）讀取文件，如下：

c,v=np.loadtxt('data.csv', delimiter=',', usecols=(6,7), unpack=True)

usecols 的參數(shù)是一個(gè)元組，以獲取第7字段至第8字段的數(shù)據(jù)，也就是上述文件中 股票的收盤價(jià)和成交量數(shù)據(jù)。 unpack 參數(shù)設(shè)置為 True ，是分拆存儲(chǔ)不同列的數(shù)據(jù)，即分別將收盤價(jià)和成交量的數(shù)組賦值給變量c和v。

3、常見的函數(shù)

成交量加權(quán)平均、時(shí)間加權(quán)、算術(shù)平均值、中位數(shù)、方差等

import numpy as np

i = np.eye(3) #eye(n)函數(shù)創(chuàng)建n維單位矩陣
print(i)
np.savetxt('test.txt', i) #savetxt創(chuàng)建并保存test.txt文件

#讀取csv文件
c,v=np.loadtxt('data.csv', delimiter=',', usecols=(6,7), unpack=True)
"""usecols 的參數(shù)為一個(gè)元組，以獲取第7字段至第8字段的數(shù)據(jù)，也就是股票的收盤價(jià)和成交量數(shù)據(jù)。 unpack 參數(shù)設(shè)置為 True ，是分拆存儲(chǔ)不同列的數(shù)據(jù)，即分別將收
盤價(jià)和成交量的數(shù)組賦值給變量c和v"""
vwap = np.average(c, weights=v)  #調(diào)用了average函數(shù),將v作為權(quán)重參數(shù)使用，
print(vwap)
print('\n')
print( np.mean(c)) #算術(shù)平均值
print('\n')
t = np.arange(len(c))
print( t )
print('\n')
twap =np.average(c, weights=t) #按時(shí)間權(quán)重
print( twap )
print('\n')
h,l=np.loadtxt('data.csv',delimiter=',', usecols=(4,5), unpack=True)
# 獲取第4字段至第5字段的數(shù)據(jù)，即股票的最高價(jià)和最低價(jià)

print ( np.max(h)) #獲取最大值max()
print ( np.min(l)) #獲取最小值min()
print('\n')
print( np.ptp(h) ) # 用ptp()函數(shù)計(jì)算了極差，即最大值和最小值之間的差值
print( np.ptp(l) )
print('\n')
print( np.median(c)) # 中位數(shù)median()函數(shù)，即多個(gè)數(shù)據(jù)中，處于中間的數(shù)
print( np.msort(c))#msort(( ))函數(shù)對(duì)價(jià)格數(shù)組進(jìn)行排序,可以驗(yàn)證上述中位數(shù)
#方差的計(jì)算
variance = np.var(c) #方差函數(shù)var()
print(variance)

用代碼、excel進(jìn)行相關(guān)計(jì)算，運(yùn)行結(jié)果如下：

為后面計(jì)算，將data.csv中的數(shù)據(jù)多增加幾行，修改如下并保存(為后面日期讀寫與修改，日期形式修改成如下)：

603112,2022-4-1,,13.56,13.97,13.55,13.87,3750000603112,2022-4-2,,13.75,14.25,13.69,14.03,4003500603112,2022-4-3,,13.69,14.11,13.61,13.95,3956500603112,2022-4-4,,14.3,14.3,13.73,13.89,4250000603112,2022-4-5,,14.1,14.5,13.93,14,4013500603112,2022-4-6,,14.5,15.4,14.35,15.4,9056500603112,2022-4-7,,16,16.94,15.85,16.94,3750000

4、股票的收益率等

股市中最常見的就是漲幅，也就是今日收盤價(jià)相對(duì)昨日漲跌的比例，即  （今日收盤價(jià)-昨天收盤價(jià)）/昨日收盤價(jià)*100，numpy中的 diff() 函數(shù)可以返回一個(gè)由相鄰數(shù)組元素的差值構(gòu)成的數(shù)組，由于相鄰數(shù)據(jù)相減，因此diff()數(shù)組數(shù)據(jù)較原數(shù)組少一個(gè)。

如上述修改后，有7天的收盤價(jià)，diff()計(jì)算出的結(jié)果就只有6位，

import numpy as np

#讀取csv文件
c,v=np.loadtxt('data.csv', delimiter=',', usecols=(6,7), unpack=True)

#股票的簡(jiǎn)單收益率
# diff 函數(shù)可以返回一個(gè)由相鄰數(shù)組元素的差值構(gòu)成的數(shù)組
results = np.diff(c)
print(results)
print('\n')
results1 = np.diff(c)/c[:-1]*100  #相對(duì)前一天的漲幅
print(results1)
print('\n')
Standard_deviation =np.std(results) # 計(jì)算出標(biāo)準(zhǔn)差
print(Standard_deviation)

運(yùn)行結(jié)果，代碼、excel進(jìn)行相比較：

5、對(duì)數(shù)收益與波動(dòng)率

1）對(duì)數(shù)收益：log 函數(shù)得到每一個(gè)收盤價(jià)的對(duì)數(shù)，再對(duì)結(jié)果使用 diff 函數(shù)即可，

logreturns = np.diff( np.log(c) )
print(logreturns)

運(yùn)行結(jié)果：

[ 0.01146966 -0.00571839 -0.00431035  0.00788817  0.09531018  0.09531018]

2) where的作用

 where 函數(shù)可以根據(jù)指定的條件返回所有滿足條件的序列索引值，比如上述logreturns中有兩個(gè)小于0的數(shù)據(jù)。

posretindices = np.where(results1 > 0) 
print('Indices with positive returns1',posretindices)

運(yùn)行結(jié)果：

Indices with positive returns1 (array([0, 3, 4, 5], dtype=int64),)

3）波動(dòng)率：波動(dòng)率=對(duì)數(shù)收益率的標(biāo)準(zhǔn)差除以其均值，再除以交易周期倒數(shù)的平方根。下面代碼分別為以年、月進(jìn)行統(tǒng)計(jì)的波動(dòng)率.

annual_volatility =(np.std(logreturns)/np.mean(logreturns))/np.sqrt(1./252.)#使用浮點(diǎn)數(shù)才能得到正確的結(jié)果
print ( annual_volatility )
#月波動(dòng)率
month_volatility =(np.std(logreturns)/np.mean(logreturns))/np.sqrt(1./12.)
print ( month_volatility )

6、日期分析

處理日期總是很煩瑣。NumPy是面向浮點(diǎn)數(shù)運(yùn)算的，因此需要對(duì)日期做一些專門的處理。

通過上述代碼，我們知道，修改函數(shù)np.loadtxt('data.csv', delimiter=',', usecols=(6,7), unpack=True)中的參數(shù) usecols=(6,7)就可以讀取不同的列，日期是在第2列，即下標(biāo)應(yīng)該為1（數(shù)列下標(biāo)是從0開始的），可以重新定義新日期數(shù)列并獲取后存入。

代碼如下：

dates, c=np.loadtxt('data.csv', delimiter=',', usecols=(1,6), unpack=True) #讀取下標(biāo)為1、6的數(shù)據(jù)，分別存入到dates和c數(shù)列中。

但實(shí)際運(yùn)行過程中會(huì)報(bào)錯(cuò)，

代碼需要作如下修改：

import numpy as np
from datetime import datetime

def datestr2num(s): #定義一個(gè)函數(shù)
    return datetime.strptime(s.decode('ascii'),"%Y-%m-%d").date().weekday()  
#decode('ascii') 將字符串s轉(zhuǎn)化為ascii碼

#讀取csv文件
dates,close=np.loadtxt('data.csv',delimiter=',', usecols=(1,6),converters={1:datestr2num},unpack=True)
print(dates)

運(yùn)行結(jié)果：[4. 5. 6. 0. 1. 2. 3.]，也是從0開始，到6結(jié)束。為了更好地說明數(shù)據(jù)，可以采用真實(shí)的數(shù)據(jù)，即從通信達(dá)軟件直接下載真實(shí)的交易數(shù)據(jù)，如下圖所示：

（注意：較原來少了一列空格列）

修改代碼如下：

import numpy as np
from datetime import datetime

def datestr2num(s): #定義一個(gè)函數(shù)
    return datetime.strptime(s.decode('ascii'),"%Y-%m-%d").date().weekday()  
#decode('ascii') 將字符串s轉(zhuǎn)化為ascii碼

#讀取csv文件
dates,c=np.loadtxt('data.csv',delimiter=',', usecols=(1,5),
                       converters={1:datestr2num},unpack=True)
print(dates)

print(len(dates)) #統(tǒng)計(jì)導(dǎo)出的天數(shù)

運(yùn)行結(jié)果：

如上圖，導(dǎo)出有420天數(shù)據(jù)。

按周一到周五，統(tǒng)計(jì)相關(guān)數(shù)據(jù)：

averages = np.zeros(5) #創(chuàng)建包含5個(gè)元素的數(shù)組,保存交易日收盤價(jià)，0-4分別代表周一到周五五個(gè)交易日
for i in range(5):  #遍歷0到4的日期標(biāo)識(shí)
    indices =np.where(dates==i)   #where函數(shù)得到各工作日的索引值并存儲(chǔ)在 indices 數(shù)組
    prices=np.take(c,indices)   #take函數(shù)獲取各個(gè)工作日的收盤價(jià)。
    avg= np.mean(prices) #每個(gè)工作日計(jì)算出平均值存放在 averages 數(shù)組
    averages[i] = avg  #每個(gè)工作日計(jì)算出平均值存放在 averages 數(shù)組
    print('day', i)
    #print('prices', prices)
    print("Average", avg)

print(averages)

當(dāng)然除了上述外，還可以求得420天里的最大值、最小值以及交易日平均值中最大值、最小值等，對(duì)代碼進(jìn)行如下修：

import numpy as np
from datetime import datetime

def datestr2num(s): #定義一個(gè)函數(shù)
    return datetime.strptime(s.decode('ascii'),"%Y-%m-%d").date().weekday()  
#decode('ascii') 將字符串s轉(zhuǎn)化為ascii碼

#讀取csv文件
dates,c=np.loadtxt('data.csv',delimiter=',', usecols=(1,5),
                       converters={1:datestr2num},unpack=True)

averages = np.zeros(5) #創(chuàng)建包含5個(gè)元素的數(shù)組,保存交易日收盤價(jià)，0-4分別代表周一到周五五個(gè)交易日
for i in range(5):  #遍歷0到4的日期標(biāo)識(shí)
    indices =np.where(dates==i)   #where函數(shù)得到各工作日的索引值并存儲(chǔ)在 indices 數(shù)組
    prices=np.take(c,indices)   #take函數(shù)獲取各個(gè)工作日的收盤價(jià)。
    avg= np.mean(prices) 
    averages[i] = avg  #每個(gè)工作日計(jì)算出平均值存放在 averages 數(shù)組,共有5個(gè)數(shù)值
    print('day', i)
    #print('prices', prices)
    print("Average", avg)

print(averages)
print('\n')

print('the top close price:',np.max(c)) #最高收盤價(jià)
print('the low close price:',np.min(c)) #最低收盤價(jià)
print('\n')

top = np.max(averages)  #找出averages數(shù)列中的最大值
print ("Highest average", top)
print ("Top day of the week", np.argmax(averages)) #argmax函數(shù)返回的是averages數(shù)組中最大元素的索引值
print('\n')

bottom = np.min(averages) #找出averages數(shù)列中的最小值
print ("Lowest average", bottom)
print ( "Bottom day of the week", np.argmin(averages))#argmin函數(shù)返回的是averages數(shù)組中最小元素的索引值

運(yùn)行結(jié)果如下：

總結(jié)

本篇初步導(dǎo)入了真實(shí)的股票交易信息，并利用numpy常見函數(shù)對(duì)進(jìn)行了初步的計(jì)算，列舉了下列常用函數(shù)：

loadtxt() 函數(shù)可以方便地讀取CSV文件，自動(dòng)切分字段，并將數(shù)據(jù)載入NumPy數(shù)組。

savetxt()創(chuàng)建并保存test.txt文件

np.loadtxt('data.csv', delimiter=',', usecols=(6,7),)usecols參數(shù)用來選擇讀取的數(shù)列

np.average(c, weights=v) 加權(quán)平均,將v作為權(quán)重參數(shù)使用，

np.mean(c)) #算術(shù)平均值

np.max(h)) #獲取最大值max()

np.min(l)) #獲取最小值min()

np.ptp(h) ) 用ptp()函數(shù)計(jì)算了極值差，

np.median(c)) 中位數(shù)median()函數(shù)，即多個(gè)數(shù)據(jù)中，處于中間的數(shù)

np.msort(c))函數(shù)對(duì)價(jià)格數(shù)組進(jìn)行排序,

np.var(c) 方差函數(shù)var()

np.diff(c) 函數(shù)可以返回一個(gè)由相鄰數(shù)組元素的差值構(gòu)成的數(shù)組

np.std(results) # 標(biāo)準(zhǔn)差

np.diff( np.log(c) )

np.where(results1 > 0) 選擇

np.sqrt()#平方根sqrt(),浮點(diǎn)數(shù)

s.decode('ascii') 將字符串s轉(zhuǎn)化為ascii碼

np.take(c,indices) #take函數(shù)獲取各個(gè)工作日的收盤價(jià)。

np.argmax(averages)) #argmax函數(shù)返回?cái)?shù)組中最大元素的索引值

np.argmin(averages))#argmin函數(shù)返回?cái)?shù)組中最小元素的索引值

以上就是Python數(shù)據(jù)分析之NumPy常用函數(shù)使用詳解的詳細(xì)內(nèi)容，更多關(guān)于Python NumPy常用函數(shù)的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章！

相關(guān)文章

最新評(píng)論