随笔分类 -  python语言系列 / 大数据

摘要:numpy.linalg 模块包含线性代数的函数。使用这个模块,可以计算逆矩阵、求特征值、解线性方程组以及求解行列式等。一、计算逆矩阵 线性代数中,矩阵A与其逆矩阵A ^(-1)相乘后会得到一个单位矩阵I。该定义可以写为A *A ^(-1) =1。numpy.linalg 模块中的 inv 函数可以 阅读全文
posted @ 2022-08-02 17:29 PursuitingPeak 阅读(1747) 评论(0) 推荐(0) 编辑
摘要:在NumPy中,所有的标准三角函数如sin、cos、tan等均有对应的通用函数。 一、利萨茹曲线 (Lissajous curve)利萨茹曲线是一种很有趣的使用三角函数的方式(示波器上显示出利萨茹曲线)。利萨茹曲线由以下参数方程定义: x = A sin(at + n/2) y = B sin(bt 阅读全文
posted @ 2022-06-10 22:41 PursuitingPeak 阅读(707) 评论(0) 推荐(0) 编辑
摘要:在NumPy中,矩阵是 ndarray 的子类,与数学概念中的矩阵一样,NumPy中的矩阵也是二维的,可以使用 mat 、 matrix 以及 bmat 函数来创建矩阵。 一、创建矩阵 mat 函数创建矩阵时,若输入已为 matrix 或 ndarray 对象,则不会为它们创建副本。 因此,调用 m 阅读全文
posted @ 2022-06-08 16:22 PursuitingPeak 阅读(1075) 评论(0) 推荐(0) 编辑
摘要:成交量(volume)是投资中一个非常重要的变量,它是指在某一时段内具体的交易数,可以在分时图中绘制,包括日线图、周线图、月线图甚至是5分钟、30分钟、60分钟图中绘制。 股票市场成交量的变化反映了资金进出市场的情况,成交量是判断市场走势的重要指标。一般情况下,成交量大且价格上涨的股票,趋势向好。成 阅读全文
posted @ 2022-06-07 17:35 PursuitingPeak 阅读(1058) 评论(0) 推荐(1) 编辑
摘要:摘要:NumPy中包含大量的函数,这些函数的设计初衷是能更方便地使用,掌握解这些函数,可以提升自己的工作效率。这些函数包括数组元素的选取和多项式运算等。下面通过实例进行详细了解。 前述通过对某公司股票的收盘价的分析,了解了某些Numpy的一些函数。通常实际中,某公司的股价被另外一家公司的股价紧紧跟随 阅读全文
posted @ 2022-06-01 00:00 PursuitingPeak 阅读(2470) 评论(0) 推荐(1) 编辑
摘要:摘要:总结股票均线计算原理--线性关系,也是以后大数据处理的基础之一,NumPy的 linalg 包是专门用于线性代数计算的。作一个假设,就是一个价格可以根据N个之前的价格利用线性模型计算得出。 前一篇,在计算均线,指数均线时,分别计算了不同的权重,比如 和 都是按不同的计算方法来计算出相关的权重, 阅读全文
posted @ 2022-05-24 23:51 PursuitingPeak 阅读(771) 评论(0) 推荐(1) 编辑
摘要:摘要:先汇总相关股票价格,然后有选择地对其分类,再计算移动均线、布林线等。 一、汇总数据 汇总整个交易周中从周一到周五的所有数据(包括日期、开盘价、最高价、最低价、收盘价,成交量等),由于我们的数据是从2020年8月24日开始导出,数据多达420条,先截取部分时间段的数据,不妨先读取开始20个交易日 阅读全文
posted @ 2022-05-23 23:59 PursuitingPeak 阅读(840) 评论(0) 推荐(0) 编辑
摘要:摘要:本篇我们将以分析历史股价为例,介绍怎样从文件中载入数据,以及怎样使用NumPy的基本数学和统计分析函数、学习读写文件的方法,并尝试函数式编程和NumPy线性代数运算,来学习NumPy的常用函数。 一、文件读入 :读写文件是数据分析的一项基本技能 CSV(Comma-Separated Valu 阅读全文
posted @ 2022-05-21 23:54 PursuitingPeak 阅读(686) 评论(0) 推荐(0) 编辑
摘要:Anaconda 是一个跨平台的版本,通过命令行来管理安装包。进行大规模数据处理、预测分析和科学计算。它包括近 200 个工具包,大数据处理需要用到的常见包有 NumPy 、 SciPy 、 pandas 、 IPython 、 Matplotlib 、 Scikit-learn 、gensim、n 阅读全文
posted @ 2022-05-19 23:58 PursuitingPeak 阅读(714) 评论(0) 推荐(1) 编辑

点击右上角即可分享
微信分享提示