数据分析之NumPy（四）ndarray运算

ndarray运算

逻辑运算

# 重新生成8只股票10个交易日的涨跌幅数据
stock_change = np.random.normal(0, 1, (8, 10))
stock_change

stock_change = stock_change[0:5, 0:5]
stock_change

# 逻辑判断, 如果涨跌幅大于0.5就标记为True 否则为False
stock_change > 0.5

# BOOL赋值, 将满足条件的设置为指定的值-布尔索引
stock_change[stock_change > 0.5] = 1

通用判断函数

• np.all()，全部为真才是真

# 判断stock_change[0:2, 0:5]是否全是上涨的
np.all(stock_change[0:2, 0:5] > 0)

• np.any() 只要有真就是真

# 判断前5只股票这段期间是否有上涨的
np.any(stock_change[0:5, :] > 0 )

np.where（三元运算符）

通过使用np.where能够进行更加复杂的运算

• np.where()

# 判断前四个股票前四天的涨跌幅 大于0的置为1，否则为0
temp = stock_change[:4, :4]
np.where(temp > 0, 1, 0)

np.where(stock_change>0,'升','跌')

• 复合逻辑需要结合np.logical_and和np.logical_or使用

# 判断股票的涨跌幅 大于0.5并且小于1的，换为1，否则为0
# 判断股票的涨跌幅 大于0.5或者小于-0.5的，换为1，否则为0
np.where(np.logical_and(stock_change > 0.5, stock_change < 1), 1, 0)
np.where(np.logical_or(stock_change > 0.5, stock_change < -0.5), 1, 0)

统计运算

如果想要知道涨幅或者跌幅最大的数据，应该怎么做？
统计指标
在数据挖掘/机器学习领域，统计指标的值也是我们分析问题的一种方式。常用的指标如下：

• min(a[, axis, out, keepdims])最小
  Return the minimum of an array or minimum along an axis.
• max(a[, axis, out, keepdims])最大
  Return the maximum of an array or maximum along an axis.
• median(a[, axis, out, overwrite_input, keepdims])取中值
  Compute the median along the specified axis.
• mean(a[, axis, dtype, out, keepdims])平均值
  Compute the arithmetic mean along the specified axis.
• std(a[, axis, dtype, out, ddof, keepdims])标准差
  Compute the standard deviation along the specified axis.
• var(a[, axis, dtype, out, ddof, keepdims])方差
  Compute the variance along the specified axis.

进行统计的时候，axis 轴的取值并不一定，Numpy中不同的API轴的值都不一样，在这里，axis 0代表列, axis 1代表行去进行统计

股票涨跌幅统计运算

# 接下来对于这4只股票的4天数据，进行一些统计运算
# 指定行 去统计
print("前四只股票前四天的最大涨幅{}".format(np.max(temp, axis=1)))

# 使用min, std, mean
print("前四只股票前四天的最大跌幅{}".format(np.min(temp, axis=1)))
print("前四只股票前四天的波动程度{}".format(np.std(temp, axis=1)))
print("前四只股票前四天的平均涨跌幅{}".format(np.mean(temp, axis=1)))

如果需要统计出哪一只股票在某个交易日的涨幅最大或者最小？

• np.argmax(temp, axis=)
• np.argmin(temp, axis=)

# 获取股票指定哪一天的涨幅最大
print("前四只股票前四天内涨幅最大{}".format(np.argmax(temp, axis=1)))
print("前四天一天内涨幅最大的股票{}".format(np.argmax(temp, axis=0)))

另外：