a?=?2/13
創(chuàng)新互聯(lián)服務(wù)項目包括蒸湘網(wǎng)站建設(shè)、蒸湘網(wǎng)站制作、蒸湘網(wǎng)頁制作以及蒸湘網(wǎng)絡(luò)營銷策劃等。多年來，我們專注于互聯(lián)網(wǎng)行業(yè)，利用自身積累的技術(shù)優(yōu)勢、行業(yè)經(jīng)驗、深度合作伙伴關(guān)系等，向廣大中小型企業(yè)、政府機構(gòu)等提供互聯(lián)網(wǎng)行業(yè)的解決方案，蒸湘網(wǎng)站推廣取得了明顯的社會效益與經(jīng)濟效益。目前，我們服務(wù)的客戶以成都為中心已經(jīng)輻射到蒸湘省份的部分城市，未來相信會繼續(xù)擴大服務(wù)區(qū)域并繼續(xù)獲得客戶的支持與信任！
Prices?=?[0.0]?#prices?of?everyday
EMAs?=?[0.0]?#?ems?of?everyday
def?ema?(?N?,?Price)?:
Prices.append(Price)
if?N=1:
EMAs.append(Price)
else?:
EMAs.append((1-a)*EMAs[N-1]?+?a*Price)
ema(1,1)
ema(2,3)
print?(EMAs[1])
print?(EMAs[2])
函數(shù)函數(shù)是代碼的一種組織形式
函數(shù)應(yīng)該能完成一項特定的工作，而且一般一個函數(shù)只完成一項工作
有些語言，分函數(shù)和過程兩個概念，通俗解釋是，有返回結(jié)果的是函數(shù)，無返回結(jié)果的叫過程，python不加以區(qū)分
函數(shù)的使用函數(shù)使用需要先定義
使用函數(shù)，俗稱調(diào)用# 定義一個函數(shù)
# 只是定義的話不會執(zhí)行
# 1. def關(guān)鍵字，后跟一個空格
# 2. 函數(shù)名，自己定義，起名需要遵循便令命名規(guī)則，約定俗成，大駝峰命名只給類用
# 3. 后面括號和冒號不能省，括號內(nèi)可以有參數(shù)
# 4. 函數(shù)內(nèi)所有代碼縮進
def func():
print("我是一個函數(shù)")
print("愛生活")
print("函數(shù)結(jié)束了")函數(shù)結(jié)束了# 函數(shù)的調(diào)用
# 直接寫出函數(shù)名字，后面小括號不能省略，括號內(nèi)內(nèi)容根據(jù)情況
func()我是一個函數(shù)
愛生活# 函數(shù)定義
def func():
print('A')
print('B')func()A
B
函數(shù)的參數(shù)和返回值參數(shù)：負責(zé)給函數(shù)傳遞一些必要的數(shù)據(jù)或者信息形參(形式參數(shù))：在函數(shù)定義的時候用到的參數(shù)，沒有具體值，只是一個占位符號
實參(實際參數(shù))：在調(diào)用函數(shù)的時候輸入的值
返回值：調(diào)用函數(shù)的時候的一個執(zhí)行結(jié)果使用return返回結(jié)果
如果沒有值需要返回，我們推薦使用return None表示函數(shù)結(jié)束
函數(shù)一旦執(zhí)行return，則函數(shù)立即結(jié)束
如果函數(shù)沒有return關(guān)鍵字，則函數(shù)默認返回None# 形參和實參的案例
# 參數(shù)person只是一個符號
# 調(diào)用的時候用另一個
def hello(person):
print("{}，你好嗎？".format(person))
return None
p = "小明"
# 調(diào)用函數(shù)，需要把p作為實參傳入
hello(p)小明，你好嗎？p = "小五"
hello(p)小五，你好嗎？pp = hello("小柒")
print(pp)小柒，你好嗎？
None# return案例
def hello(person):
print("{0}，你好嗎？".format(person))
return "提前結(jié)束！"
print(1)
p = "小明"
rst = hello(p)
print(rst)小明，你好嗎？
提前結(jié)束！# help負責(zé)隨時為你提供幫助
help(None) # 等價于help(peint())Help on built-in function print in module builtins:
print(...)
print(value, ..., sep=' ', end='\n', file=sys.stdout, flush=False)
Prints the values to a stream, or to sys.stdout by default.
Optional keyword arguments:
file: a file-like object (stream); defaults to the current sys.stdout.
sep: string inserted between values, default a space.
end: string appended after the last value, default a newline.
flush: whether to forcibly flush the stream.# 九九乘法表
# version 1.0
for o in range(1, 10): # 控制外循環(huán) 從 1 到 9
for i in range(1, o + 1): # 內(nèi)循環(huán)，每次從第一個數(shù)字開始，打印到跟行數(shù)相同的數(shù)量
print(o * i, end=" ")
print()1
2 4
3 6 9
4 8 12 16
5 10 15 20 25
6 12 18 24 30 36
7 14 21 28 35 42 49
8 16 24 32 40 48 56 64
9 18 27 36 45 54 63 72 81help(print)Help on built-in function print in module builtins:
print(...)
print(value, ..., sep=' ', end='\n', file=sys.stdout, flush=False)
Prints the values to a stream, or to sys.stdout by default.
Optional keyword arguments:
file: a file-like object (stream); defaults to the current sys.stdout.
sep: string inserted between values, default a space.
end: string appended after the last value, default a newline.
flush: whether to forcibly flush the stream.# 嘗試用函數(shù)來打印九九乘法表
def jiujiu():
for o in range(1, 10): # 控制外循環(huán) 從 1 到 9
for i in range(1, o + 1): # 內(nèi)循環(huán)，每次從第一個數(shù)字開始，打印到跟行數(shù)相同的數(shù)量
print(o * i, end=" ")
print()
return None
jiujiu()
jiujiu()1
2 4
3 6 9
4 8 12 16
5 10 15 20 25
6 12 18 24 30 36
7 14 21 28 35 42 49
8 16 24 32 40 48 56 64
9 18 27 36 45 54 63 72 81
1
2 4
3 6 9
4 8 12 16
5 10 15 20 25
6 12 18 24 30 36
7 14 21 28 35 42 49
8 16 24 32 40 48 56 64
9 18 27 36 45 54 63 72 81# 改造上面函數(shù)
def printLine(line_num):
'''
line_num；代表行號
打印一行九九乘法表
'''
for i in range(1, line_num + 1):
print(line_num * i, end=" ")
print()
def jiujiu():
for o in range(1, 10): # 控制外循環(huán) 從 1 到 9
printLine(o)
return None
jiujiu()1
2 4
3 6 9
4 8 12 16
5 10 15 20 25
6 12 18 24 30 36
7 14 21 28 35 42 49
8 16 24 32 40 48 56 64
9 18 27 36 45 54 63 72 81
參數(shù)詳解python參考資料：headfirst python - 零基礎(chǔ)入門學(xué)習(xí)python(小甲魚)、流暢的python - 習(xí)題
參數(shù)分類普通參數(shù)/位置參數(shù)
默認參數(shù)
關(guān)鍵字參數(shù)
收集參數(shù)
普通參數(shù)c參見上例
定義的時候直接定義變量名
調(diào)用的時候直接把變量或者值放入指定位置def 函數(shù)名(參數(shù)1，參數(shù)2，.....):
函數(shù)體
# 調(diào)用
函數(shù)名(value1，value2，......)
# 調(diào)用的時候，具體值參考的是位置，按位置賦值
默認參數(shù)形參帶有默認值
調(diào)用的時候，如果沒有對相應(yīng)形參賦值，則使用默認值
savetxt
import numpy as np
i2 = np.eye(2)
np.savetxt("eye.txt", i2)
3.4 讀入CSV文件
# AAPL,28-01-2011, ,344.17,344.4,333.53,336.1,21144800
c,v=np.loadtxt('data.csv', delimiter=',', usecols=(6,7), unpack=True) #index從0開始
3.6.1 算術(shù)平均值
np.mean(c) = np.average(c)
3.6.2 加權(quán)平均值
t = np.arange(len(c))
np.average(c, weights=t)
3.8 極值
np.min(c)
np.max(c)
np.ptp(c) 最大值與最小值的差值
3.10 統(tǒng)計分析
np.median(c) 中位數(shù)
np.msort(c) 升序排序
np.var(c) 方差
3.12 分析股票收益率
np.diff(c) 可以返回一個由相鄰數(shù)組元素的差
值構(gòu)成的數(shù)組
returns = np.diff( arr ) / arr[ : -1] #diff返回的數(shù)組比收盤價數(shù)組少一個元素
np.std(c) 標(biāo)準(zhǔn)差
對數(shù)收益率
logreturns = np.diff( np.log(c) ) #應(yīng)檢查輸入數(shù)組以確保其不含有零和負數(shù)
where 可以根據(jù)指定的條件返回所有滿足條件的數(shù)
組元素的索引值。
posretindices = np.where(returns 0)
np.sqrt(1./252.) 平方根，浮點數(shù)
3.14 分析日期數(shù)據(jù)
# AAPL,28-01-2011, ,344.17,344.4,333.53,336.1,21144800
dates, close=np.loadtxt('data.csv', delimiter=',', usecols=(1,6), converters={1:datestr2num}, unpack=True)
print "Dates =", dates
def datestr2num(s):
return datetime.datetime.strptime(s, "%d-%m-%Y").date().weekday()
# 星期一 0
# 星期二 1
# 星期三 2
# 星期四 3
# 星期五 4
# 星期六 5
# 星期日 6
#output
Dates = [ 4. 0. 1. 2. 3. 4. 0. 1. 2. 3. 4. 0. 1. 2. 3. 4. 1. 2. 4. 0. 1. 2. 3. 4. 0.
1. 2. 3. 4.]
averages = np.zeros(5)
for i in range(5):
indices = np.where(dates == i)
prices = np.take(close, indices) #按數(shù)組的元素運算,產(chǎn)生一個數(shù)組作為輸出。
a = [4, 3, 5, 7, 6, 8]
indices = [0, 1, 4]
np.take(a, indices)
array([4, 3, 6])
np.argmax(c) #返回的是數(shù)組中最大元素的索引值
np.argmin(c)
3.16 匯總數(shù)據(jù)
# AAPL,28-01-2011, ,344.17,344.4,333.53,336.1,21144800
#得到第一個星期一和最后一個星期五
first_monday = np.ravel(np.where(dates == 0))[0]
last_friday = np.ravel(np.where(dates == 4))[-1]
#創(chuàng)建一個數(shù)組，用于存儲三周內(nèi)每一天的索引值
weeks_indices = np.arange(first_monday, last_friday + 1)
#按照每個子數(shù)組5個元素，用split函數(shù)切分數(shù)組
weeks_indices = np.split(weeks_indices, 5)
#output
[array([1, 2, 3, 4, 5]), array([ 6, 7, 8, 9, 10]), array([11,12, 13, 14, 15])]
weeksummary = np.apply_along_axis(summarize, 1, weeks_indices,open, high, low, close)
def summarize(a, o, h, l, c): #open, high, low, close
monday_open = o[a[0]]
week_high = np.max( np.take(h, a) )
week_low = np.min( np.take(l, a) )
friday_close = c[a[-1]]
return("APPL", monday_open, week_high, week_low, friday_close)
np.savetxt("weeksummary.csv", weeksummary, delimiter=",", fmt="%s") #指定了文件名、需要保存的數(shù)組名、分隔符(在這個例子中為英文標(biāo)點逗號)以及存儲浮點數(shù)的格式。
0818b9ca8b590ca3270a3433284dd417.png
格式字符串以一個百分號開始。接下來是一個可選的標(biāo)志字符：-表示結(jié)果左對齊，0表示左端補0，+表示輸出符號(正號+或負號-)。第三部分為可選的輸出寬度參數(shù)，表示輸出的最小位數(shù)。第四部分是精度格式符，以”.”開頭，后面跟一個表示精度的整數(shù)。最后是一個類型指定字符，在例子中指定為字符串類型。
numpy.apply_along_axis(func1d, axis, arr, *args, **kwargs)
def my_func(a):
... """Average first and last element of a 1-D array"""
... return (a[0] + a[-1]) * 0.5
b = np.array([[1,2,3], [4,5,6], [7,8,9]])
np.apply_along_axis(my_func, 0, b) #沿著X軸運動，取列切片
array([ 4., 5., 6.])
np.apply_along_axis(my_func, 1, b) #沿著y軸運動，取行切片
array([ 2., 5., 8.])
b = np.array([[8,1,7], [4,3,9], [5,2,6]])
np.apply_along_axis(sorted, 1, b)
array([[1, 7, 8],
[3, 4, 9],
[2, 5, 6]])
3.20 計算簡單移動平均線
(1) 使用ones函數(shù)創(chuàng)建一個長度為N的元素均初始化為1的數(shù)組，然后對整個數(shù)組除以N，即可得到權(quán)重。如下所示：
N = int(sys.argv[1])
weights = np.ones(N) / N
print "Weights", weights
在N = 5時，輸出結(jié)果如下：
Weights [ 0.2 0.2 0.2 0.2 0.2] #權(quán)重相等
(2) 使用這些權(quán)重值，調(diào)用convolve函數(shù)：
c = np.loadtxt('data.csv', delimiter=',', usecols=(6,),unpack=True)
sma = np.convolve(weights, c)[N-1:-N+1] #卷積是分析數(shù)學(xué)中一種重要的運算，定義為一個函數(shù)與經(jīng)過翻轉(zhuǎn)和平移的另一個函數(shù)的乘積的積分。
t = np.arange(N - 1, len(c)) #作圖
plot(t, c[N-1:], lw=1.0)
plot(t, sma, lw=2.0)
show()
3.22 計算指數(shù)移動平均線
指數(shù)移動平均線(exponential moving average)。指數(shù)移動平均線使用的權(quán)重是指數(shù)衰減的。對歷史上的數(shù)據(jù)點賦予的權(quán)重以指數(shù)速度減小，但永遠不會到達0。
x = np.arange(5)
print "Exp", np.exp(x)
#output
Exp [ 1. 2.71828183 7.3890561 20.08553692 54.59815003]
Linspace 返回一個元素值在指定的范圍內(nèi)均勻分布的數(shù)組。
print "Linspace", np.linspace(-1, 0, 5) #起始值、終止值、可選的元素個數(shù)
#output
Linspace [-1. -0.75 -0.5 -0.25 0. ]
(1)權(quán)重計算
N = int(sys.argv[1])
weights = np.exp(np.linspace(-1. , 0. , N))
(2)權(quán)重歸一化處理
weights /= weights.sum()
print "Weights", weights
#output
Weights [ 0.11405072 0.14644403 0.18803785 0.24144538 0.31002201]
(3)計算及作圖
c = np.loadtxt('data.csv', delimiter=',', usecols=(6,),unpack=True)
ema = np.convolve(weights, c)[N-1:-N+1]
t = np.arange(N - 1, len(c))
plot(t, c[N-1:], lw=1.0)
plot(t, ema, lw=2.0)
show()
3.26 用線性模型預(yù)測價格
(x, residuals, rank, s) = np.linalg.lstsq(A, b) #系數(shù)向量x、一個殘差數(shù)組、A的秩以及A的奇異值
print x, residuals, rank, s
#計算下一個預(yù)測值
print np.dot(b, x)
3.28 繪制趨勢線
x = np.arange(6)
x = x.reshape((2, 3))
x
array([[0, 1, 2], [3, 4, 5]])
np.ones_like(x) #用1填充數(shù)組
array([[1, 1, 1], [1, 1, 1]])
類似函數(shù)
zeros_like
empty_like
zeros
ones
empty
3.30 數(shù)組的修剪和壓縮
a = np.arange(5)
print "a =", a
print "Clipped", a.clip(1, 2) #將所有比給定最大值還大的元素全部設(shè)為給定的最大值，而所有比給定最小值還小的元素全部設(shè)為給定的最小值
#output
a = [0 1 2 3 4]
Clipped [1 1 2 2 2]
a = np.arange(4)
print a
print "Compressed", a.compress(a 2) #返回一個根據(jù)給定條件篩選后的數(shù)組
#output
[0 1 2 3]
Compressed [3]
b = np.arange(1, 9)
print "b =", b
print "Factorial", b.prod() #輸出數(shù)組元素階乘結(jié)果
#output
b = [1 2 3 4 5 6 7 8]
Factorial 40320
print "Factorials", b.cumprod()
#output
重慶分公司
重慶分公司
