人人都是量化师的专栏

~df.index.duplicated() 方法是只针对索引做去重，而不考虑列数据，与df.drop_duplicates() 相反。

1.列名与值不对齐：2.设置：

1.问题两个数据表，长度不一样。第一个表格中的数据比第二个表格中多出些行，要以第二个表格的数据为准，删掉第一个表格中多余的数据。2.解决思路两个数据的第一列，也就是时间 ['DateTime'] 格式是一样的，先遍历，对比两个表格中不一致的时间，将不一致的加入到一个列表 DateTime 里。close = pd.read_csv(r'C:\Users\admin\Desktop\wind_data\sz_hs_close.csv', encoding='utf-8',engine='p.

1.定义初始数据#!/usr/bin/env python# coding:utf-8import numpy as npimport matplotlib.pyplot as pltplt.rcParams['font.sans-serif'] = ['SimHei']X = np.array([1, 2, 3, 4, 5, 6])Y = np.array([2.3, 3.5, 4.2, 5.1, 6.5, 8.3])2.多项式拟合，使用np.polyfit得到对应阶数的拟合

# 多条件筛选时，每个条件都要()括起来print(data[(data['a'] == 2) & (data['b'] == 5)])

在构建投资组合时，组合里个股之间的相关性会直接影响到投资组合的波动率。个股之间的相关性越低，投资组合越文件。因此分析个股的相关性是很有必要的。首先拿到这些数据：

index = df[df["列名"]== "对应的值"].index.tolist()[0]

1.问题使用Python的openpyxl库操作Excel数据文件，数据格式是float类型，在处理过程中数据都很正常，结果保存之后数据格式变成了时间格式：date.time。一直以为是Python代码写得有问题，找了很多资料都无法解决。直到详细地看了每操作一次之后，数据格式的变化，发现在writer.save()保存之前数据格式都是保持float格式，保存之后直接变成date.time格式。于是判断会不会是Excel本身的问题，直到找到一篇资料：excel表格保存之后再次打开全部变成日期

1.问题目前有2种合约，一种价格1620元一张，另一种1100元一张。如果我想买9000-10000块钱的合约，那么这两种合约我每种应该买多少张？一共有多少种组合方案？2.代码# -*- coding: utf-8 -*-contract_a = 1620contract_b = 1100for i in range(10): for j in range(10): if 9000 < contract_a * i + contract_b * j .

import pandas as pdimport tushare as tsdata = ts.get_hist_data('601688', '2017-06-01')#用tushare获取行情data = data.sort()#对数据进行排序df = pd.DataFrame()#创建一个新的DataFramedf['close'] = data['close'] # 新Da...

TA-lib，是一个py量化交易的技术分析库，里面包含了大部分主流的技术指标，各种大型的开源量化框架，都会内置这个库。这篇文章分享如何安装TA-lib。1.找到并下载自己需要的对应版本的whl格式文件。（如：若本机安装是32位的python3.6，则选TA_Lib‑0.4.17‑cp36‑cp36m‑win32.whl下载；若本机安装的是64位的python2.7，则选择TA_...

import itchatimport requests#获取价格def get_price(symbol): request = requests.get("https://api.hbdm.com/api/v1/contract_index?symbol="+symbol).json() price = request["data"] for item in ...

#布尔值索引names = np.array(['Bob','Joe','Will','Bob','Will','Joe','Bob']) #7个数据的数组data = np.random.random((7,4)) #随机生成7*4的数组print(data)print('---------------------------------------------------...

首先我们打开数据之后先了解一下数据有哪些元素。在这个表中，可以看到，第一列是公司名称，第二列是交易日期，第四列是开盘价，之后分别是是最高价，最低价，收盘价，成交量。（数据获取方式看文章末尾）在这个例子中，将会利用python和numpy库进行苹果公司的股票交易数据的分析。先读入数据文件：import sysimport numpy as np#读入文件c,v = np.lo...

pandas里的数据结构Series（类似于一维数组---有索引的一维数组）- 数组与标签- 可以通过标签选取数据- 定长的有序字典DataFrame- 表格型数据结构- 行索引、列索引import numpy as npimport pandas as pdimport sysfrom pandas import Series,DataFrame#Series...

一、缺失数据pandas中使用浮点值NaN（Not a Number）来表示浮点或非浮点数组中的缺失数据。pandas as pdimport numpy as npfrom pandas import Series,DataFramedata = Series(['a','b',np.NAN,'d'])data#输出：0 a1 b2 NaN...

一、导入模块%matplotlib inline #将生成的图片嵌入网页中import matplotlib.pyplot as pltfrom sklearn import datasetsfrom sklearn.feature_selection import SelectKBest,f_regressionfrom sklearn.linear_mod...

一、前言这篇文章找来了有关药品销售数据进行案例分析练习，利用适当的统计方法对相关数据进行月均消费次数、月均消费金额、客单价和消费趋势等几个业务指标进行分析。分析过程为：数据获取、数据清洗、建模分析、可视化二、数据获取（文末有数据获取方式）这是我们的原始数据，xlsx格式导入相关的包并读取数据，读取的时候用object读取，防止有些数据读取不了。接着可以查看数据的...

今天我们利用波士顿房价进行简单分析，快速熟悉数据挖掘和分析的一般流程。1.导入数据。2.查看数据维度，从结果可以出，该数据一共有506条记录，14个特征，然后再输出特征的名字和数据类型。3.然后用.head()函数输出前面5条数据，初步查看数据的基本内容。4.接着用.describe()函数进行数据的描述性分析，查看每一列（也就是每一个特征的数据）的条数、平均值、最大...

import numpy as npc=[]def numpysum(n): #0到（n-1）的列表 a=np.arange(n)**2 #生成一个0到（n-1）的列表，每个项再平方 b=np.arange(n)**3 #生成一个0到（n-1）的列表，每个项再进行3次方 c=a+b #两个列表相加 return cc...