IT数码 购物 网址 头条 软件 日历 阅读 图书馆
TxT小说阅读器
↓语音阅读,小说下载,古典文学↓
图片批量下载器
↓批量下载图片,美女图库↓
图片自动播放器
↓图片自动播放器↓
一键清除垃圾
↓轻轻一点,清除系统垃圾↓
开发: C++知识库 Java知识库 JavaScript Python PHP知识库 人工智能 区块链 大数据 移动开发 嵌入式 开发工具 数据结构与算法 开发测试 游戏开发 网络协议 系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁
 
   -> Python知识库 -> Python常用记录 -> 正文阅读

[Python知识库]Python常用记录

基础

使得可显示出多个结果

from IPython.core.interactiveshell import InteractiveShell
InteractiveShell.ast_node_interactivity = 'all'

常用包

import pandas as pd
import numpy as np

from math import log, sqrt, exp

from datetime import date
import datetime

打开文件

data1 = pd.read_csv()

data1.head(

提取出列名

# 取1,2,3列的列名
name_list = np.array(data.columns)[[1,2,3]]

改列名


#按顺序直接改
df.columns = ['A','B']

#对应改,通过字典方式
#如果需要原地修改需要带上inplace=True的参数
df.rename(columns={'a':'A'})

转DataFrame

pd.DataFrame(list1)

设置种子数

# 设置随机数种子,这里是为了结果可重复
np.random.seed(123)

随机数


#dim是维度
np.random.uniform(0, 1, dim)      #一个均匀分布[low,high)中随机采样

np.random.normal(mu, sigma, dim)    #正态分布,0是均值,1是标准差

列表推导式

[表达式 for 迭代变量 in 可迭代对象 [if 条件表达式] ]

#在提取出来的列名中,新增的相关列
RandomPortfolios.columns = [ticker + "_weight" for ticker in ticker_list] 


定义方法


def Xxx(参数):
    """
    Parameters
    
	各个参数的描述
    """
	表达式
	按需看是否有return
	

创建零矩阵

zeros(shape, dtype=float, order='C')


# 下面是3维,每个维度的大小
np.zeros([simul, dim, N])

数据合并

data11 = pd.merge(data1.iloc[:,0:2],data2.iloc[:,0:2],on="日期",how = "inner")
data11.head(

合并后改名

dict1 = {"日期":"Date","收盘_x":"600276","收盘_y":"600900","收盘":"601318"}

data = data.rename(columns = dict1 )

保存数据

data.to_csv('good_data.csv',index=False,header=True) 

画图

最基本的2个库

import matplotlib.pyplot as plt  # 导入图像库
import matplotlib.ticker as ticker
plt.rcParams['font.sans-serif'] = ['SimHei']  # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False  # 用来正常显示负号
import seaborn as sns

其他库

import scipy.stats
from scipy import stats

热力图



# 计算相关矩阵
correlation_matrix = stock_return.corr()

#热力图
sns.heatmap(correlation_matrix,
            annot=True,
            cmap="YlGnBu", 
            linewidths=0.3,
            annot_kws={"size": 8})

plt.xticks(rotation=90)
plt.yticks(rotation=0) 
plt.savefig("./image/corr.jpg", dpi=300, bbox_inches = 'tight')
plt.show()

# 矩阵都可以做热力图
# 计算协方差矩阵
cov_mat = stock_return.cov()


散点图
RandomPortfolios是DataFrame,‘Volatility’, 'Returns’是其字段,做x,y轴,每组(x,y)做一个点。

# 绘制散点图

RandomPortfolios.plot('Volatility', 'Returns', kind='scatter', alpha=0.3)
plt.show()

多了一个Sharpe字段

# 绘制收益-标准差的散点图,并用颜色描绘夏普比率
plt.scatter(RandomPortfolios.Volatility, RandomPortfolios.Returns, c=RandomPortfolios.Sharpe)
plt.colorbar(label='Sharpe Ratio')
plt.ylabel('Return')
plt.xlabel("Volatility")

突出某个点,比如找某字段中最大的索引值,idxmax()

# 找到夏普比率最大数据对应的索引值
max_index = RandomPortfolios.Sharpe.idxmax()

#突出该点,先找到(x,y),用另一颜色作图
RandomPortfolios.plot('Volatility', 'Returns', kind='scatter', alpha=0.3)
x = RandomPortfolios.loc[max_index,'Volatility']
y = RandomPortfolios.loc[max_index,'Returns']
plt.scatter(x, y, color='red')   
plt.savefig("./image/Markowitz-Sharpe.jpg", dpi=300, bbox_inches = 'tight')
plt.show()


突出某个位置

#设置数值,x=

plt.axvline(x=np.array(q_bs).mean(), linewidth=4, color='r') # 置信区间位置

保存图片,放在show() 前

plt.savefig("./image/corr.jpg", dpi=300, bbox_inches = 'tight')

  Python知识库 最新文章
Python中String模块
【Python】 14-CVS文件操作
python的panda库读写文件
使用Nordic的nrf52840实现蓝牙DFU过程
【Python学习记录】numpy数组用法整理
Python学习笔记
python字符串和列表
python如何从txt文件中解析出有效的数据
Python编程从入门到实践自学/3.1-3.2
python变量
上一篇文章      下一篇文章      查看所有文章
加:2021-07-13 17:25:22  更:2021-07-13 17:26:24 
 
开发: C++知识库 Java知识库 JavaScript Python PHP知识库 人工智能 区块链 大数据 移动开发 嵌入式 开发工具 数据结构与算法 开发测试 游戏开发 网络协议 系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁

360图书馆 购物 三丰科技 阅读网 日历 万年历 2024年12日历 -2024/12/25 14:07:22-

图片自动播放器
↓图片自动播放器↓
TxT小说阅读器
↓语音阅读,小说下载,古典文学↓
一键清除垃圾
↓轻轻一点,清除系统垃圾↓
图片批量下载器
↓批量下载图片,美女图库↓
  网站联系: qq:121756557 email:121756557@qq.com  IT数码
数据统计