Day2
📌 NumPy
Pandas是基于NumPy构建的，因此它内部确实使用了ndarray来实现其核心数据结构。
ndarray，多维数组对象， 而Series可以看作是一个带索引的ndarray。
import numpy as np
import pandas as pd
# 创建一个ndarray
arr = np.array([1, 2, 3, 4, 5])
print(arr) # 输出: [1 2 3 4 5]
# 创建多维数组，并指定数据类型
multi_dim_arr = np.array([[1, 2, 3], [4, 5, 6]], dtype=np.int32)
# ndarray转换数据类型
arr_float = arr.astype(np.float64)
print(arr_float) # 输出: [1. 2. 3. 4. 5.]
# 特殊值
# np.nan: 表示缺失值或未定义的数值。
# np.inf 和 -np.inf: 表示正无穷和负无穷。
special_values = np.array([np.nan, np.inf, -np.inf])
print(special_values) # 输出: [ nan inf -inf ]
print(special_values.dtype) # 输出: float64
# 创建一个Series
s = pd.Series([1, 2, 3, 4, 5])
print(s.values) # 输出: [1 2 3 4 5]，类型为 ndarray
补充
-
ndarray是连续存储在内存中的，并且支持高效的向量化操作。 -
ndarray可直接转换为Pandas的数据结构（如DataFrame），反之亦然。
📌 学习一些功能
🚁 生成一个随机数组
np.random.randn(10)
🚁 生成服从正态分布的数据
np.random.normal(0.0005, 0.02, 1000)
生成1000个服从正态分布的日收益率（均值为0.0005，标准差为0.02）
🚁 向量化运算
用数组操作替代循环，提升计算效率。
np.cumprod用于计算数组的累积乘积。
np.cumsum用于计算数组的累积和。
import numpy as np
# 生成1000个服从正态分布的日收益率（均值为0.0005，标准差为0.02）
returns = np.random.normal(0.0005, 0.02, 1000)
# 设置打印选项，抑制科学计数法，设置为小数点后6位
np.set_printoptions(suppress=True, precision=6)
# 向量化计算累计收益率
# 1 + returns, 每个元素+1; np.cumprod, 每个元素累积乘积运算，即nums[i] = nums[i] * nums[i-1]
cumulative_returns = np.cumprod(1 + returns) - 1
print(f'1000个交易日的累计收益率为{cumulative_returns[-1] * 100:.2f}%')
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
# 生成1000个服从正态分布的日收益率（均值为0.0005，标准差为0.02）
returns = np.random.normal(0.0005, 0.02, 1000)
# 设置打印选项，抑制科学计数法，设置为小数点后6位。
np.set_printoptions(suppress=True, precision=6)
# 向量化计算累计收益率
# 1 + returns, 每个元素+1; np.cumprod, 每个元素累积乘积运算，即nums[i] = nums[i] * nums[i-1]
cumulative_returns = np.cumprod(1 + returns) - 1
print(f'1000个交易日的累计收益率为{cumulative_returns[-1] * 100:.2f}%')
# 设置中文字体
plt.rcParams['font.sans-serif'] = ['SimHei'] # 使用黑体
plt.rcParams['axes.unicode_minus'] = False # 解决负号显示问题
# 绘制直方图
plt.figure(figsize=(12, 6))
# 绘制直方图
# bins=30: 指定直方图的柱数。
# alpha=0.6: 设置透明度。
# color='g': 设置颜色为绿色。
plt.hist(returns, bins=30, density=True, alpha=0.6, color='g', label='Histogram-直方图')
# 绘制核密度估计图
sns.kdeplot(returns, color='r', label='Kernel Density Estimate-核密度估计图')
# 添加标题和标签
plt.title('Distribution of Daily Returns-日收益率的正态分布图')
plt.xlabel('Daily Returns-日收益率')
plt.ylabel('Density-密度')
plt.legend()
plt.show()
🚁 求平均值
nums.mean(axis=1), 沿着行求平均值。
nums.mean(axis=0), 沿着列求平均值。
🚁 水平堆叠数组
np.hstack(tup), 它将多个数组沿着水平方向（列方向）连接成一个新的数组。
import numpy as np
# 创建两个二维数组
arr1 = np.array([[1, 2], [3, 4]])
arr2 = np.array([[5, 6], [7, 8]])
# 水平堆叠数组
result = np.hstack((arr1, arr2))
print(result)
# 输出:
# [[1 2 5 6]
# [3 4 7 8]]
🚁 修改数组形状/维度
nums.reshape(-1, 1), -1表示自动计算该维度的大小, 1 表示第二维度的大小为1。
🚁 广播机制
允许不同形状的数组进行算术运算，而无需显式地复制数据。
广播规则使得数组可以自动扩展以匹配彼此的形状，从而进行元素级操作。
🔧 广播的基本规则
- 对齐维度: 从后向前对齐两个数组的维度。如果两个维度的大小相同或其中一个维度的大小为1，则认为它们是兼容的。
- 扩展维度: 如果两个维度的大小不同，且其中一个维度的大小为1，则该维度会被扩展以匹配另一个维度的大小。
- 不兼容的情况: 如果两个维度的大小不同且都不为1，则无法进行广播，会引发
ValueError。(如2行2列和2行3列)
import numpy as np
a = np.array([[1, 2, 3], [4, 5, 6]]) # 形状为 (2, 3)-2行3列
b = np.array([1, 2]) # 形状为 (2,)-1行2列
# 直接广播运算时会报ValueError
b = b.reshape(-1, 1) # 改变形状为 (2, 1)-2行1列
# 使用广播进行减法运算
c = a - b
print("a-b:\n", c)
# [[0 1 2]
# [2 3 4]]