Python金融数据分析与应用课件 第2章 数据分析相关库.pptxVIP

第二章数据分析相关库Python金融数据分析与应用（微课版）

目录CONTENTS数组运算NumPy2.1数据处理pandas2.2数据绘图Matplotlib2.3

2.1数组运算NumPy

2.1数组运算NumPy2.1.1NumPy概述（1）NumPy的主要功能及其特点01支持ndarray对象：通过ndarray对象，支持高效的元素级运算持广播机制：支持广播（Broadcasting），即允许不同形状的数组进行算术运算。线性代数运算：包含丰富的线性代数函数，可进行矩阵乘法、求逆、特征值计算等操作，为科学计算提供了有力支持。随机数生成：可以生成各种分布的随机数，如正态分布、均匀分布、二项分布等的随机数，广泛应用于模拟和统计分析。高效的内存管理：采用连续内存块存储数据，从而减少了内存碎片、提高了数据访问效率。

2.1数组运算NumPy（2）NumPy的常见应用场景2.1.1NumPy概融数据分析：处理和分析大规模金融数据，如股票价格、交易量、收益率等。数值模拟和建模：进行数值模拟和建模，如蒙特卡罗模拟、差分方程求解等。机器学习和数据挖掘：处理和转换数据，为机器学习算法提供输入数据。科学研究和工程计算：在物理、化学、生物等领域进行高性能数值计算和分析。

2.1数组运算NumPy可以通过将Python列表或元组传递给np.array()函数来创建数组，示例代码如下：2.1.2数组的创建（1）使用列表或元组创建数组importnumpyasnp#使用列表创建一维数组prices=np.array([100,200,300,400,500])#示例数据：股票价格print(一维数组：,prices)#使用元组创建二维数组volumes=np.array([(1000,2000,3000),(4000,5000,6000)])#示例数据：股票成交量print(二维数组：\n,volumes)?代码运行结果为：一维数组：[100200300400500]二维数组：[[100020003000][400050006000]]

2.1数组运算NumPy2.1.2数组的创建（2）使用内置函数创建特殊数组#创建全零数组zeros_array=np.zeros((3,3))#创建3×3的全零数组print(全零数组：\n,zeros_array)#创建全一数组ones_array=np.ones((2,2))#创建2×2的全一数组print(全一数组：\n,ones_array)#创建等差数组arange_array=np.arange(0,10,2)#生成0到10的等差数组，步长为2print(等差数组：,arange_array)#创建线性等间距数组linspace_array=np.linspace(0,1,5)#生成0到1的5个等间距数print(线性等间距数组：,linspace_array)#创建随机数组random_array=np.random.rand(3,3)#创建3×3的随机数组，元素在[0,1)内print(随机数组：\n,random_array)?代码运行结果为：全零数组：[[0.0.0.][0.0.0.][0.0.0.]]全一数组：[[1.1.][1.1.]]等差数组：[02468]线性等间距数组：[0.0.250.50.751.]随机数组：[[0.01553900[000[000]

2.1数组运算NumPy可以从CSV文件、Excel文件或其他数据源中读取数据，并将其转换为NumPy数组（使用.values方法），示例代码如下：2.1.2数组的创建（3）通过文件或其他数据源创建数组importpandasaspd#读取文件时需要先导入pandas库，将在2.2节详细介绍data_frame=pd.read_csv(stock_data.csv)#示例文件为stock_data.csv文件，需与当前.ipynb文件存储在同一文件夹内才可成功读取数据data_array=data_frame.values#将DataFrame转换为NumPy数组print(从CSV文件创建的数组：\n,data_array)