1 钟豪

学生身份

我要认证

Nothing can stop me to learn more.

等级
TA的排名 5w+

Python之数据分析(案例:净额成交量、矢量化、数据曲线平滑)

文章目录一、净额成交量二、标量函数矢量化三、数据曲线平滑一、净额成交量1、案例分析符号数组a: [10 -20 30 40 -50]用法:numpy.sign(a)结果是[1 -1 1 1 -1]净额成交量:简称OBV,赚了是正,赔了是负利用条件筛选来得到盈亏指标:一参是差分数组,二参是条件数组,三参是各个条件对应的值数组2、第二种筛选方法sign_closing_price = np.piecewise(diff_closing_price,[diff_closing_price

2020-08-06 21:41:10

Python之数据分析(numpy中的多项式拟合)

本篇文章是专门独立出来分析的一种数据可视化处理方法,主要是polyfit拟合、polyval取值、polyder微分,后文包含了一个多项式拟合案例,这是数据分析应该掌握的一项可视化处理方法。

2020-08-03 18:19:50

Python之数据分析(numpy裁剪、压缩、累乘,样本相关性曲线的绘制)

文章目录一、裁剪、压缩、累乘二、样本相关性曲线一、裁剪、压缩、累乘1、裁剪概念:指的是削掉波峰或波谷这类型的,将调用数组中小于min的元素设置为min,大于max的元素设置为max用法:ndarray.clip(min=最小值, max=最大值)2、压缩概念:返回调用数组中满足给定条件的元素用法:ndarray.compress(条件)3、累乘结果累乘:返回调用数组中各元素的乘积,是累乘结果ndarray.prod()过程累乘:返回调用数组中个元素计算累乘的过程数组,是累乘过

2020-08-03 18:02:43

小白打基础一定要吃透的11类 Python 内置函数

内置函数就是python给你提供的, 拿来直接用的函数,比如print,input等。截止到python版本3.6.2 python一共提供了68个内置函数。本人在复习过程中将其整理了出来,做成了思维导图的形式,将Python的68个内置函数分成了11个大类,并且将每一个内置函数的用途都做了标注。该思维导图由于是短时间内复习时顺便整理的,没有太长时间的仔细推敲,若有笔误望指出。...

2020-07-30 23:02:25

Python之数据分析(numpy线性模型、线性预测、线性拟合)

文章目录一、线性预测二、线性拟合线性模型分为两种:线性预测和线性拟合,这两种都可以起到预测走势和数据点的作用,当然,预测是存在一定误差的,因此这种预测图像仅供参考。一、线性预测1、基本概念线性预测(a*x=b)/a b c\ /A\ / d \|b c d| X | B | = | e |\c d e/ \C/ \ f /2、numpy进行预测的函数numpy.linalg.lstsq(a, b)需要预测的就是x3、价格

2020-07-28 22:32:48

Python之数据分析(卷积运算、移动均线、布林带)

文章目录一、卷积运算二、移动均线的绘制三、布林带绘制本篇依然是数据分析里数据可视化方面的内容,主要内容有一维卷积、完全卷积、有效卷积、移动均线的绘制、布林带的绘制。一、卷积运算1、关于卷积这里说到的卷积计算,是指我们对图像进行某种滤波处理或者是边缘检测、锐化等应用要用到的运算。通常,要进行卷积的话就必须要有一个模板(掩模),这些模板的实际就是在卷积计算是所用到的点乘系数。2、卷积的运算a = [1 2 3 4 5] # 被卷积数组b = [6 7 8] # 卷积核数组卷积运算:c =

2020-07-27 22:42:34

Python之数据分析(星期均值、星期汇总、Numpy的take与where方法、apply_along_axis函数)

文章目录一、处理星期数据二、apply_along_axis函数的用法三、星期汇总案例一、处理星期数据1、datetime对象的weekday()方法该方法将会用0到6这七个数字表示周一到周日2、计算周一到周五数据平均值的三种方法数组[关系表达式]:关系表达式的值是一个布尔型数组,其中为True的元素是数组中满足关系表达式的元素。以上下标运算的值就是从数组拣选与布尔数组中为True的元素相对于的元素。np.where(关系表达式):数组中满足关系表达式的元素的下标数组np.take(数组,

2020-07-18 22:13:19

Python之数据分析(规范数据生成器Faker,学习、数据分析、开发测试专用)

文章目录写在前面一、生成数据写入csv文件中二、基础信息三、邮箱信息四、地理信息五、数字信息六、时间信息七、网络基础信息八、浏览器信息九、文本与文本加密信息写在前面无论是在我们学习数据分析之际,还是在实际的开发、测试过程中,我们常常需要构造数据进行功能验证,但手动创建数据简直太费时费力了,并且数据不够规范。针对这个问题,现在Python提供了一个超级好用的伪造数据的开源库,它可以根据我们的需求伪造各种符合规范格式的数据,供我们学习和开发测试使用。Faker是一个Python的第三方开源项

2020-07-17 22:52:42

Python之数据分析(中位数、波动范围、极差、离差、方差、标准差)

文章目录一、中位数二、波动范围与极差三、离差、方差与标准差一、中位数1、中位数将多个样本按照大小顺序排列,居于中间位置的元素为中位数2、经典求法1)A:样本集2)L:样本数3)M = (A[(L-1)/2] + A[L/2]) / 24、Numpy求法1)对数组进行排序:np.msort(数组)2)求中位数:M = numpy.median(数组)5、练习import numpy as np# 导入数据highest_prices, lowest_prices, closing

2020-07-16 22:49:52

Python之数据分析(算数平均值、加权平均值、最大值与最小值)

文章目录一、算数平均值二、加权平均值三、最大值与最小值一、算数平均值1、平均值的作用平均数是表示一组数据集中趋势的量数,它是反映数据集中趋势的一项指标。一组数据少则几十,多则上千,甚至于过百万,“由于我们的思维不能思考所有的数据”,需要选取一个合适的代表值表达一组数据的特征。平均数便是小学阶段学习的一个重要的统计量。2、算数平均值求法样本:S = [s1, s2, s3, …, sn]算术平均值:m = (s1 + s2 + s3 + … + sn)/n3、Numpy中的格式m = nu

2020-07-15 22:06:34

Python之数据分析(Numpy中读取与保存数据文件、将数据文件制成K线图)

文章目录一、读取与保存文件二、将数据文件制成K线图一、读取与保存文件1、读取文件格式numpy.loadtxt( 文件名, delimiter = 分割符, usecols = 选择列, unpack = 是否解包(True/False), dtype = 目标类型, converters = 转换器)unpack = False:最终会输出一个二维数组unpack = True:一列一维数组的集合2、保存文件格式numpy.savetx

2020-07-14 19:37:28

Python之数据分析(生成动态图像、示波器效果)

文章目录1、效果展示2、动画分析3、案例源码1、效果展示动态更新波形图:静态图:2、动画分析这是一个使用了生成器的动画效果,生成器里面会不断生成新的值,然后放到更新函数里面在指定的interval间隔时间里执行,将其渲染出图像def 更新函数(生成值): 更新画面帧来渲染def 生成器(): for...: 产生新的数据 yield 生成值创建动画:ma.FuncAnimation(图形对象, 更新函数, 生成器, interv

2020-07-13 22:39:12

Python之数据分析(动画效果、animation模块、气泡动画)

文章目录1、动画效果2、原理分析3、动画源码本篇文章其实与数据分析没有太大关系,因为是涉及到数据分析的数据可视化方面的内容,因此也必须要学习。主要内容是如何制作一个气泡动画效果,当然也是使用matplotlib模块下的animation模块。1、动画效果动态图片是限制了大小的,所以可能清晰度不是很好,这里再来一张静态图片吧:就这些泡泡会一个一个膨胀,最好爆炸,然后再随机位置重生,再继续膨胀,不断产生新的泡泡。2、原理分析1)导入库:import matplotlib.animation a

2020-07-12 20:17:44

Python之数据分析(三维立体图像、极坐标系、半对数坐标)

文章目录写在前面:一、三维立体图像1、三维线框2、三维曲面3、三维散点二、极坐标系三、半对数坐标写在前面:import numpy as npimport matplotlib.pylab as mp因此文章中的np就代表numpy库,mp就代表pylab绘图库一、三维立体图像导入类:from mpl_toolkits.mplot3d import axes3d获得三维坐标轴:ax = mp.gca(projection=‘3d’)1、三维线框格式:ax.plot_wireframe

2020-07-11 14:45:32

Python之数据分析(Numpy数据可视化:等高线图、热力图、饼图)

文章目录写在前面:一、等高线图二、热力图三、饼图写在前面:import numpy as npimport matplotlib.pylab as mp因此文章中的np就代表numpy库,mp就代表pylab绘图库一、等高线图1、两类等高线图线型:mp.coutour(x, y, z, 线的数量, colors=颜色, linewidths=线宽)色带型:mp.coutourf(x, y, z, 线的数量, cmap=颜色映射)2、添加标签mp.clabel(cntr, inli

2020-07-10 14:30:24

Python之数据分析(坐标刻度定位器、散点图、柱状图、颜色区域填充)

文章目录一、坐标刻度定位器二、散点图三、柱状图四、颜色填充一、坐标刻度定位器1、步骤1)创建:定位器对象 = mp.XXXLocator(…)2)获得坐标轴:ax = mp.gca()3)主刻度:ax.xaxis.set_major_locator(定位器对象) # 例如厘米4)次刻度:ax.xaxis.set_minor_locator(定位器对象) # 例如毫米2、各种定位器mp.NullLocator():无刻度mp.MaxNLocator(nbins=5, steps=[1,

2020-07-09 23:43:32

Python之数据分析(figure图形对象、Numpy连线特殊点、图像多元布局)

文章目录一、点的绘制二、figure图形对象三、多元布局一、点的绘制1、绘制点需要提前设置点# 设置点,在plot后面绘制点xo = np.pi * 3/4 # 设置点横坐标位置为为3π/4yo_cos = np.cos(xo)/2 # 两个纵坐标位置yo_sin = np.sin(xo)2、连点成线绘制:mp.scatter(水平坐标数组, 垂直坐标数组, marker=点的形状, s=点的大小, edgecolor=勾边色, facecolor=填充色, zorder=Z序)

2020-07-08 23:57:27

Python之数据分析(Numpy通用属性、数据可视化与matplotlib库通用函数)

文章目录一、ndarray属性二、数据可视化一、ndarray属性1、常用属性dtype:数组类型shape:数组维度T:转置视图ndim:维数(一维是1,二维是2,三维是3……)size:元素数itemsize:每个元素的字节数nbytes:数组总字节数(size * itemsieze)flat:扁平迭代器(若不想每行每列访问元素,可以扁平化成1行来访问),扁平化之后可以用下标来取值,用于批量修改值real:复数的实部数组imag:复数的虚部数组数组.tolist():将数组

2020-07-07 23:04:34

Python之数据分析(Numpy的数组切片、数组变维、组合与拆分)

文章目录一、Numpy的切片二、数组变维三、组合与拆分一、Numpy的切片1、格式数组[起始:终止:步长]2、缺省值缺省起始:步长为正,首;步长为负,尾缺省终止:步长为正,尾后;步长为负,首前缺省步长:13、端部切片靠近端部的一个或几个连续的维度使用缺省切片,可以用“…”表示print(a[3:6]): 起始包括终止不包括:有指定起始值,则不包括起始值,即4到6包括6print(a[-4:-7:-1]) :步长为-1,起始是倒数第3个即7(不包括),终止是倒数第6个即4(包括)4

2020-07-06 22:13:02

Python之数据分析(Numpy的使用、多维数组、数据类型)

文章目录写在前面一、数据分析与Numpy二、多维数组三、Numpy的数据类型写在前面代码中的np表示的是numpy,因为导入的时候是:import numpy as np一、数据分析与Numpy1、数据分析MATLAB:专业化数据分析工具Numpy:更简单上手,且结合了MATLAB大部分功能2、Numpy介绍应用于数值分析领域的Python语言工具是一个开源的科学计算库弥补了作为通用编程语言的Python在数值计算方面能力弱、速度慢的不足拥有丰富的数学函数、强大的多位数组和优异的运算

2020-07-06 12:01:44

查看更多

勋章 我的勋章
  • 签到达人
    签到达人
    累计签到获取,不积跬步,无以至千里,继续坚持!
  • 持之以恒
    持之以恒
    授予每个自然月内发布4篇或4篇以上原创或翻译IT博文的用户。不积跬步无以至千里,不积小流无以成江海,程序人生的精彩需要坚持不懈地积累!
  • 勤写标兵Lv4
    勤写标兵Lv4
    授予每个自然周发布9篇以上(包括9篇)原创IT博文的用户。本勋章将于次周周三上午根据用户上周的博文发布情况由系统自动颁发。
  • 原力探索
    原力探索
    参与《原力计划【第二季】——打卡挑战》的文章入选【每日精选】的博主将会获得此勋章。
  • 学习力
    学习力
    《原力计划【第二季】》第一期主题勋章 ,第一期活动已经结束啦,小伙伴们可以去参加第二期打卡挑战活动获取更多勋章哦。
  • 原力新人
    原力新人
    在《原力计划【第二季】》打卡挑战活动中,成功参与本活动并发布一篇原创文章的博主,即可获得此勋章。
  • 原力探索 · S
    原力探索 · S
    在《原力计划【第二季】》打卡挑战活动中,发布 12 篇原创文章参与活动的博主,即可获得此勋章。(本次活动结束后统一统计发放)
  • 分享小兵
    分享小兵
    成功上传3个资源即可获取