量化交易之python篇 - numpy库 - 调研

import numpy

array1 = numpy.array([1,2,3])
print(array1)  # [1 2 3]
print(type(array1))  # <class 'numpy.ndarray'>

array2 = numpy.array(range(10))
print(array2)  # [0 1 2 3 4 5 6 7 8 9]

array3 = numpy.arange(12)
print(array3)  # [ 0  1  2  3  4  5  6  7  8  9 10 11]

array4 = numpy.arange(5, 10)
print(array4)  # [5  6  7  8  9]

array5 = numpy.arange(4, 10, 2)
print(array5)  # [4 6 8]

list = [1,2,3]
a = numpy.array(list)

# 生成一个元素都是1的 2X3 的数组
foo0 = numpy.ones((2, 3))

# 生成一个随机的 2X3 的数组
foo1 = numpy.random.randn(2, 3)

# 生成两个随机的 2X3 的数组
foo2 = numpy.random.randn(2, 3, 2)

# 根据对角线元素, 生成多维数组
foo3 = numpy.diag([1, 2, 3, 4, 5])

# 取对角线元素
foo4 = numpy.diag(foo3)

# 3行4列矩阵
foo5 = numpy.arange(12).reshape(3, 4)

# 4行4列矩阵, 元素是0-10内的随机数
foo6 = numpy.random.randint(0, 10, (4, 4)) 

# 生成一个数组
b = numpy.arange(10)




# 生成一个10个元素的 随机数组
c = numpy.random.randn(10)

# 取数组下标为(1, 3, 5)的元素
c[[1, 3, 5]]

# 取数组前4个元素
c[:4]

# 从数组第4个元素取到最后
c[4:]

# 从数组第4个元素取到第六个
c[4:6]



d = numpy.random.randn(4, 3)

# 取第2、3行, 下标为1 的元素
d[1:3, 1]

# 取下标1:4的行的, 下标1:3 的元素
d[1:4, 1:3]

e = numpy.arange(10)
e[e>5]  # [6 7 8 9]



f = numpy.array([[1, 2], [3, 4]])
g = numpy.array([[5, 6], [7, 8]])
print("f:", f)
print("g:", g)

print("+:", numpy.add(f, g))
print("-:", numpy.subtract(f, g))
print("X:", numpy.multiply(f, g))
print("%:", numpy.divide(f, g))

print("2次幂:", numpy.power(f, 2))
print("3次幂:", numpy.power(f, 3))
print("根号:", numpy.sqrt(f))
print("e为底的指数操作:", numpy.exp(f))
print("列求和:", numpy.sum(f, axis=0))
print("行求和:", numpy.sum(f, axis=1))


h = numpy.array([[1, 2, 3], [4, 5, 6]])
i = numpy.array([[5, 6], [7, 8], [5, 6]])
print("矩阵乘积:", h.dot(i))
print("矩阵最大值:", h.max())
print("矩阵每一列的最大值:", h.max(axis=0))
print("矩阵每一行的最大值:", h.max(axis=1))

import numpy

array = numpy.array([2, 3, 4, 5, 6])

print(array.mean())  # 4.0: 取平均数

print(array.std())  # 1.4142135623730951: 标准差


array = numpy.array([
    [1, 2, 3, 4],
    [5, 6, 7, 8],
    [9, 10, 11, 12]
])

print(array[0, 2])  # 3
print(array[0, :])  # [1 2 3 4]
print(array[:, 0])  # [1 5 9]

print(array.mean(axis=1))  # [ 2.5  6.5 10.5]: 按 每一行 计算平均值
print(array.mean(axis=0))  # [5. 6. 7. 8.]: 按 每一列 计算平均值