Python資料分析--Numpy常用函式介紹(2)

PursuitingPeak發表於2022-05-21
Python函式

摘要：本篇我們將以分析歷史股價為例，介紹怎樣從檔案中載入資料，以及怎樣使用NumPy的基本數學和統計分析函式、學習讀寫檔案的方法，並嘗試函數語言程式設計和NumPy線性代數運算，來學習NumPy的常用函式。

一、檔案讀入 ：讀寫檔案是資料分析的一項基本技能

CSV（Comma-Separated Value，逗號分隔值）格式是一種常見的檔案格式。通常，資料庫的轉存檔案就是CSV格式的，檔案中的各個欄位對應於資料庫表中的列。

NumPy中的 loadtxt 函式可以方便地讀取CSV檔案，自動切分欄位，並將資料載入NumPy陣列。

1、儲存或建立新檔案 

import numpy as np

i = np.eye(3) #eye(n)函式建立n維單位矩陣
print(i)
np.savetxt('test.txt', i) #savetxt()建立並儲存test.txt檔案
savetxt()函式，如果有已經檔案則更新，如目錄中沒有，則建立並儲存test.txt檔案

執行結果如下：

[[1. 0. 0.]
 [0. 1. 0.]
 [0. 0. 1.]]

2、讀取csv檔案的函式loadtxt

1）先在儲存程式的目錄下建立一個名稱為data.csv的檔案，並設定資料如下圖：

2）讀取檔案，如下：

c,v=np.loadtxt('data.csv', delimiter=',', usecols=(6,7), unpack=True)

usecols 的引數是一個元組，以獲取第7欄位至第8欄位的資料，也就是上述檔案中 股票的收盤價和成交量資料。 unpack 引數設定為 True ，是分拆儲存不同列的資料，即分別將收盤價和成交量的陣列賦值給變數c和v。

3、常見的函式

成交量加權平均、時間加權、算術平均值、中位數、方差等

import numpy as np

i = np.eye(3) #eye(n)函式建立n維單位矩陣
print(i)
np.savetxt('test.txt', i) #savetxt建立並儲存test.txt檔案

#讀取csv檔案
c,v=np.loadtxt('data.csv', delimiter=',', usecols=(6,7), unpack=True)
"""usecols 的引數為一個元組，以獲取第7欄位至第8欄位的資料，也就是股票的收盤價和成交量資料。 unpack 引數設定為 True ，是分拆儲存不同列的資料，即分別將收
盤價和成交量的陣列賦值給變數c和v"""
vwap = np.average(c, weights=v)  #呼叫了average函式,將v作為權重引數使用，
print(vwap)
print('\n')
print( np.mean(c)) #算術平均值
print('\n')
t = np.arange(len(c))
print( t )
print('\n')
twap =np.average(c, weights=t) #按時間權重
print( twap )
print('\n')
h,l=np.loadtxt('data.csv',delimiter=',', usecols=(4,5), unpack=True)
# 獲取第4欄位至第5欄位的資料，即股票的最高價和最低價

print ( np.max(h)) #獲取最大值max()
print ( np.min(l)) #獲取最小值min()
print('\n')
print( np.ptp(h) ) # 用ptp()函式計算了極差，即最大值和最小值之間的差值
print( np.ptp(l) )
print('\n')
print( np.median(c)) # 中位數median()函式，即多個資料中，處於中間的數
print( np.msort(c))#msort(( ))函式對價格陣列進行排序,可以驗證上述中位數
#方差的計算
variance = np.var(c) #方差函式var()
print(variance)

用程式碼、excel進行相關計算，執行結果如下：

為後面計算，將data.csv中的資料多增加幾行，修改如下並儲存(為後面日期讀寫與修改，日期形式修改成如下)：

603112,2022-4-1,,13.56,13.97,13.55,13.87,3750000
603112,2022-4-2,,13.75,14.25,13.69,14.03,4003500
603112,2022-4-3,,13.69,14.11,13.61,13.95,3956500
603112,2022-4-4,,14.3,14.3,13.73,13.89,4250000
603112,2022-4-5,,14.1,14.5,13.93,14,4013500
603112,2022-4-6,,14.5,15.4,14.35,15.4,9056500
603112,2022-4-7,,16,16.94,15.85,16.94,3750000

4、股票的收益率等

股市中最常見的就是漲幅，也就是今日收盤價相對昨日漲跌的比例，即  （今日收盤價-昨天收盤價）/昨日收盤價*100，numpy中的 diff() 函式可以返回一個由相鄰陣列元素的差值構成的陣列，由於相鄰資料相減，因此diff()陣列資料較原陣列少一個。

如上述修改後，有7天的收盤價，diff()計算出的結果就只有6位，

import numpy as np

#讀取csv檔案
c,v=np.loadtxt('data.csv', delimiter=',', usecols=(6,7), unpack=True)

#股票的簡單收益率
# diff 函式可以返回一個由相鄰陣列元素的差值構成的陣列
results = np.diff(c)
print(results)
print('\n')
results1 = np.diff(c)/c[:-1]*100  #相對前一天的漲幅
print(results1)
print('\n')
Standard_deviation =np.std(results) # 計算出標準差
print(Standard_deviation)

執行結果，程式碼、excel進行相比較：

5、對數收益與波動率

1）對數收益：log 函式得到每一個收盤價的對數，再對結果使用 diff 函式即可，

logreturns = np.diff( np.log(c) )
print(logreturns)

執行結果：

[ 0.01146966 -0.00571839 -0.00431035  0.00788817  0.09531018  0.09531018]

2) where的作用

 where 函式可以根據指定的條件返回所有滿足條件的序列索引值，比如上述logreturns中有兩個小於0的資料。

posretindices = np.where(results1 > 0) 
print('Indices with positive returns1',posretindices)

執行結果：

Indices with positive returns1 (array([0, 3, 4, 5], dtype=int64),)

3）波動率：波動率=對數收益率的標準差除以其均值，再除以交易週期倒數的平方根。下面程式碼分別為以年、月進行統計的波動率.

annual_volatility =(np.std(logreturns)/np.mean(logreturns))/np.sqrt(1./252.)#使用浮點數才能得到正確的結果
print ( annual_volatility )
#月波動率
month_volatility =(np.std(logreturns)/np.mean(logreturns))/np.sqrt(1./12.)
print ( month_volatility )

 6、日期分析

處理日期總是很煩瑣。NumPy是面向浮點數運算的，因此需要對日期做一些專門的處理。

通過上述程式碼，我們知道，修改函式np.loadtxt('data.csv', delimiter=',', usecols=(6,7), unpack=True)中的引數 usecols=(6,7)就可以讀取不同的列，日期是在第2列，即下標應該為1（數列下標是從0開始的），可以重新定義新日期數列並獲取後存入。

程式碼如下：

dates, c=np.loadtxt('data.csv', delimiter=',', usecols=(1,6), unpack=True) #讀取下標為1、6的資料，分別存入到dates和c數列中。

但實際執行過程中會報錯，

程式碼需要作如下修改：

import numpy as np
from datetime import datetime

def datestr2num(s): #定義一個函式
    return datetime.strptime(s.decode('ascii'),"%Y-%m-%d").date().weekday()  
#decode('ascii') 將字串s轉化為ascii碼

#讀取csv檔案
dates,close=np.loadtxt('data.csv',delimiter=',', usecols=(1,6),converters={1:datestr2num},unpack=True)
print(dates)

執行結果：[4. 5. 6. 0. 1. 2. 3.]，也是從0開始，到6結束。為了更好地說明資料，可以採用真實的資料，即從通訊達軟體直接下載真實的交易資料，如下圖所示：

（注意：較原來少了一列空格列）

修改程式碼如下：

import numpy as np
from datetime import datetime

def datestr2num(s): #定義一個函式
    return datetime.strptime(s.decode('ascii'),"%Y-%m-%d").date().weekday()  
#decode('ascii') 將字串s轉化為ascii碼

#讀取csv檔案
dates,c=np.loadtxt('data.csv',delimiter=',', usecols=(1,5),
                       converters={1:datestr2num},unpack=True)
print(dates)

print(len(dates)) #統計匯出的天數

執行結果：

如上圖，匯出有420天資料。

按週一到週五，統計相關資料：

averages = np.zeros(5) #建立包含5個元素的陣列,儲存交易日收盤價，0-4分別代表週一到週五五個交易日
for i in range(5):  #遍歷0到4的日期標識
    indices =np.where(dates==i)   #where函式得到各工作日的索引值並儲存在 indices 陣列
    prices=np.take(c,indices)   #take函式獲取各個工作日的收盤價。
    avg= np.mean(prices) #每個工作日計算出平均值存放在 averages 陣列
    averages[i] = avg  #每個工作日計算出平均值存放在 averages 陣列
    print('day', i)
    #print('prices', prices)
    print("Average", avg)

print(averages)

當然除了上述外，還可以求得420天裡的最大值、最小值以及交易日平均值中最大值、最小值等，對程式碼進行如下修：

import numpy as np
from datetime import datetime

def datestr2num(s): #定義一個函式
    return datetime.strptime(s.decode('ascii'),"%Y-%m-%d").date().weekday()  
#decode('ascii') 將字串s轉化為ascii碼

#讀取csv檔案
dates,c=np.loadtxt('data.csv',delimiter=',', usecols=(1,5),
                       converters={1:datestr2num},unpack=True)

averages = np.zeros(5) #建立包含5個元素的陣列,儲存交易日收盤價，0-4分別代表週一到週五五個交易日
for i in range(5):  #遍歷0到4的日期標識
    indices =np.where(dates==i)   #where函式得到各工作日的索引值並儲存在 indices 陣列
    prices=np.take(c,indices)   #take函式獲取各個工作日的收盤價。
    avg= np.mean(prices) 
    averages[i] = avg  #每個工作日計算出平均值存放在 averages 陣列,共有5個數值
    print('day', i)
    #print('prices', prices)
    print("Average", avg)

print(averages)
print('\n')

print('the top close price:',np.max(c)) #最高收盤價
print('the low close price:',np.min(c)) #最低收盤價
print('\n')

top = np.max(averages)  #找出averages數列中的最大值
print ("Highest average", top)
print ("Top day of the week", np.argmax(averages)) #argmax函式返回的是averages陣列中最大元素的索引值
print('\n')

bottom = np.min(averages) #找出averages數列中的最小值
print ("Lowest average", bottom)
print ( "Bottom day of the week", np.argmin(averages))#argmin函式返回的是averages陣列中最小元素的索引值

執行結果如下：

 本篇初步匯入了真實的股票交易資訊，並利用numpy常見函式對進行了初步的計算，列舉了下列常用函式：

loadtxt() 函式可以方便地讀取CSV檔案，自動切分欄位，並將資料載入NumPy陣列。
savetxt()建立並儲存test.txt檔案
np.loadtxt('data.csv', delimiter=',', usecols=(6,7),)usecols引數用來選擇讀取的數列
np.average(c, weights=v) 加權平均,將v作為權重引數使用，
np.mean(c)) #算術平均值
np.max(h)) #獲取最大值max()
np.min(l)) #獲取最小值min()
np.ptp(h) ) 用ptp()函式計算了極值差，
np.median(c)) 中位數median()函式，即多個資料中，處於中間的數
np.msort(c))函式對價格陣列進行排序,
np.var(c) 方差函式var()
np.diff(c) 函式可以返回一個由相鄰陣列元素的差值構成的陣列
np.std(results) # 標準差
np.diff( np.log(c) )
np.where(results1 > 0) 選擇
np.sqrt()#平方根sqrt(),浮點數
s.decode('ascii') 將字串s轉化為ascii碼
np.take(c,indices) #take函式獲取各個工作日的收盤價。
np.argmax(averages)) #argmax函式返回陣列中最大元素的索引值
np.argmin(averages))#argmin函式返回陣列中最小元素的索引值

下一篇將介紹股市中常見的幾個指標線，如移動均線、布林線等。

相關文章