Numpy基础之常用函数

import numpy as np
i2=np.eye(2) #2*2数组
np.savetxt(‘eye.txt’,i2) #存储文件

AAPL，28-01-2011， ，344.17,344.4,333.53,336.1,21144800 #很多数据其中一行
...

c,v=np.loadtxt(‘data.csv’,delimiter=’,’,usecols=(6,7),unpack=True) #设置分隔符号为，usecols的参数为一个元组，以获取第7字段和第8字段的数据。upack参数设置为True,意思是拆分存储不同列的数据
vwap=np.average(c,weights=v) #以v列的数据作为权重计算c的平均权重值
np.mean(c) #计算c的平均值

时间加权平均价格
t=np.arange(len(c)) #求出行数
np.average(c,weights=t)

h,l=np.loadtxt(‘data.csv’,delimiter=’,’,usecols=(4,5),unpack=True) #将每日最高价和最低价的数据载入数组
np.max(h) #获取该行最大值
np.min(l) #获取该行最小值
ptp计算数组的取值范围=max(array)-min(array)
np.ptp(h) np.ptp(l)
np.median(c) 找到中位数
np.msort(c) 将数组从小到大排序
np.var(c) 计算数组的方差
np.diff(c) 返回由相邻数组元素的插值构成的数组
np.std() 返回数组的标准差
np.where(数组>0) where函数可以根据指定的条件返回所有满足条件的数组元素的索引值
strptime() 函数根据指定的格式把一个时间字符串解析为时间元组。 
converters:数据列和转换函数之间进行映射的字典
np.take(数组，索引) 获取数组索引值的元素值

x = np.array([[1, 2], [3, 4]])
>>> x.ravel()
array([1, 2, 3, 4])
p52没有完
第3章：便捷函数

np.corrcoef(bhp_returns,vale_returns) 计算两个矩阵的相关系数
[[1. 0.67841747
0.67841747 1.]] 右对角线是相关系数

poly=np.polyfi(长度，差值， )拟合一系列数据点 实际就是一个函数
np.polyval(poly,长度+1) 推断下一个值
vals=np.ployval(poly,t)
np.argmax(vals) 函数最大值
np.argmin(vals) 函数最小值 
np.sign(change) change是数据列表 返回对应数据正负号对应列表
hanning函数是一个加权余弦的窗函数