量化交易之路-阅读笔记--3--Numpy
注: 笔记来源于《量化交易之路: 用Python做股票量化分析》
- 导入
import numpy as np - 并行化思想
Numpy通过广播机制作用于每一个内部元素，是一种并行化执行思想，效率很高。
以下例子中使用的数据
np_list = np.random.standard_normal(200, 504)
- 初始化
np.zeros(100) / np.zeros(3, 2) / np.ones(3, 2) / np.empty(2, 3, 3) / np.ones_like(np_list) / np.zeros_like(np_list) / np.eye(3)
np.array(normal-list) / np.linespace(0, 1, 10) / np.random.standard_normal((200, 504)) - 切片
np_list[0:2, 0:5] / np_list[-2:, -5:] / np_list[0:2, 0:5].copy() - 规整
np_list[0:2, 0:5].astype(int) / np.round(np_list(0:2, 0:5), 2) / np.nan / np.nan_to_num(np_list) - 筛选
np_list[0:2, 0:5] > 0.5 / np_list[np_list > 0.5] = 1 / np_list[(np_list > 1) | (np_list < -1)] / np_list[(np_list > -1) & (np_list < 1)] - 通用序列函数
np.all() / np.any() / np.maximum() / np.minimum() / np.unique() / np.diff() / np.where() / np.save() / np.load() - 统计
np.max() / np.min() / np.std() / np.mean() / np.argmax() / np.var() - 偏度skew
skew = ((x-mean)**3).mean / std**3 - 峰度kurt
kurt = ((x-mean)**4).mean / std**4 - 正态分布策略
- 伯努利分布
