ndarray運算
邏輯運算
# 重新生成8隻股票10個交易日的漲跌幅資料
stock_change = np.random.normal(0, 1, (8, 10))
stock_change
stock_change = stock_change[0:5, 0:5]
stock_change
# 邏輯判斷, 如果漲跌幅大于0.5就标記為True 否則為False
stock_change > 0.5
# BOOL指派, 将滿足條件的設定為指定的值-布爾索引
stock_change[stock_change > 0.5] = 1
通用判斷函數
- np.all()，全部為真才是真
# 判斷stock_change[0:2, 0:5]是否全是上漲的
np.all(stock_change[0:2, 0:5] > 0)
- np.any() 隻要有真就是真
# 判斷前5隻股票這段期間是否有上漲的
np.any(stock_change[0:5, :] > 0 )
np.where（三元運算符）
通過使用np.where能夠進行更加複雜的運算
- np.where()
# 判斷前四個股票前四天的漲跌幅 大于0的置為1，否則為0
temp = stock_change[:4, :4]
np.where(temp > 0, 1, 0)
- 複合邏輯需要結合np.logical_and和np.logical_or使用
# 判斷股票的漲跌幅 大于0.5并且小于1的，換為1，否則為0
# 判斷股票的漲跌幅 大于0.5或者小于-0.5的，換為1，否則為0
np.where(np.logical_and(stock_change > 0.5, stock_change < 1), 1, 0)
np.where(np.logical_or(stock_change > 0.5, stock_change < -0.5), 1, 0)
統計運算
如果想要知道漲幅或者跌幅最大的資料，應該怎麼做？
統計名額
在資料挖掘/機器學習領域，統計名額的值也是我們分析問題的一種方式。常用的名額如下：
-
min(a[, axis, out, keepdims])最小
Return the minimum of an array or minimum along an axis.
-
max(a[, axis, out, keepdims])最大
Return the maximum of an array or maximum along an axis.
-
median(a[, axis, out, overwrite_input, keepdims])取中值
Compute the median along the specified axis.
-
mean(a[, axis, dtype, out, keepdims])平均值
Compute the arithmetic mean along the specified axis.
-
std(a[, axis, dtype, out, ddof, keepdims])标準差
Compute the standard deviation along the specified axis.
-
var(a[, axis, dtype, out, ddof, keepdims])方差
Compute the variance along the specified axis.
進行統計的時候，axis 軸的取值并不一定，Numpy中不同的API軸的值都不一樣，在這裡，axis 0代表列, axis 1代表行去進行統計
股票漲跌幅統計運算
# 接下來對于這4隻股票的4天資料，進行一些統計運算
# 指定行 去統計
print("前四隻股票前四天的最大漲幅{}".format(np.max(temp, axis=1)))
# 使用min, std, mean
print("前四隻股票前四天的最大跌幅{}".format(np.min(temp, axis=1)))
print("前四隻股票前四天的波動程度{}".format(np.std(temp, axis=1)))
print("前四隻股票前四天的平均漲跌幅{}".format(np.mean(temp, axis=1)))
如果需要統計出哪一隻股票在某個交易日的漲幅最大或者最小？
- np.argmax(temp, axis=)
- np.argmin(temp, axis=)
# 擷取股票指定哪一天的漲幅最大
print("前四隻股票前四天内漲幅最大{}".format(np.argmax(temp, axis=1)))
print("前四天一天内漲幅最大的股票{}".format(np.argmax(temp, axis=0)))
另外：
版權聲明：
筆者部落格文章主要用來作為學習筆記使用，内容大部分整理自網際網路，如有侵權，請聯系部落客删除！