Numpy

NumPy是高性能科學計算和數據分析的基礎包。它是pandas等其他各種工具的基礎。

NumPy的主要功能：

　　ndarray，一個多維數組結構，高效且節省空間
　　無需循環對整組數據進行快速運算的數學函數
　　讀寫磁盤數據的工具以及用於操作內存映射文件的工具
　　線性代數、隨機數生成和傅裏葉變換功能
　　用於集成C、C++等代碼的工具

安裝方法：pip install numpy
引用方式：import numpy as np

創建ndarray：np.array()
應用場景：
　　例1：已知若幹家跨國公司的市值（美元），將其換算為人民幣
　　例2：已知購物車中每件商品的價格與商品件數，求總金額

T        數組的轉置（對高維數組而言）
dtype    數組元素的數據類型
size     數組元素的個數
ndim     數組的維數
shape    數組的維度大小（以元組形式）

dtype：
　　bool_, int(8,16,32,64), uint(8,16,32,64), float(16,32,64)
類型轉換：astype()
創建ndarray：

array()    將列表轉換為數組，可選擇顯式指定dtype
    >>> np.array([1, 2, 3])
    array([
 
1, 2, 3])
arange()    range的numpy版，支持浮點數
    >>> np.arange(3.0)
    array([ 0.,  1.,  2.])
linspace()    類似arange()，第三個參數為數組長度
    >>> np.linspace(2.0, 3.0, num=5)
    array([ 2.  ,  2.25,  2.5 ,  2.75,  3.  ])
zeros()    根據指定形狀和dtype創建全0數組
    >>> np.zeros((2, 1))
    array([[ 0.],
           [ 0.]])
ones()    根據指定形狀和dtype創建全1數組
    np.ones((
 
2, 1))
    array([[ 1.],
           [ 1.]])
empty()    根據指定形狀和dtype創建空數組（隨機值）
    np.empty([2, 2], dtype=int)
    array([[-1073741821, -1067949133],
       [  496041986,    19249760]])                     #random
eye()    根據指定邊長和dtype創建單位矩陣
    >>> np.eye(2, dtype=int)
    array([[1, 0],
           [0, 1]])
reshape()    分解，合並
    >>> a = np.array([[1,2,3], [4,5,6]])
    >>> np.reshape(a, 6)
    array([1, 2, 3, 4, 5, 6])
    >>> np.reshape(a, (3,-1))       
    array([[1, 2],
           [3, 4],
           [5, 6]])

數組和標量之間的運算
　　a+1 a*3 1//a（整除） a**0.5
同樣大小數組之間的運算
　　a+b a/b a**b
數組的索引

a[5]    
a2[2][3]    
a2[2,3]    # 第幾維數組的第幾個索引，跟上面的寫法得到結果一樣
數組的切片
a[5:8]    
a[:3] = 1    # 切片的數組都賦值1
a2[1:2, :4]    # 第二個數組，0到3的索引
a2[:,:1]    # 所有數組，索引為0的值
a2[:,1]    # 所有數組，索引為1的值
與列表不同，數組切片時並不會自動復制，在切片數組上的修改會影響原數組。    
b = a[:4]
b[-1] = 250
【解決方法：copy()】# 這樣b是一個新的內存地址
b = a[:4].copy()
b[-1] = 250

python量化分析相關模塊