结合金融场景演示NumPy模块的操作（一）

结合金融场景演示NumPy模块的操作（一）

 NumPy 是 Python 的外部模块，因此使用时需要导入并且查看相应的版本信息，具体代码如下：

>>>import numpy as np    #导入NumPy模块，以np命名，因此后续使用该模块的功能时要用np而不是numpy
>>>np.__version__          #查看NumPy的版本号
'1.18.1'

一、N维数组

（一）数组的结构

 NumPy 最显著的特征在于它的数据结构运用了数组。数组(array)与列表相似，但数组可以定义维度，其全称为N维数组。数组的结构如下：

一维数组 np.array(一个数列) 二维数组 np.array([数列1,数列2,...,数列m])

 注意，小括号中的数列可以是一个数列(相当于1*n的向量)，也可以是由m个数列作为元素组成的一个数列(相当于m * n的矩阵)。
 关于数组的生成，有以下几种方法：

1.直接输入法

 例1：假定某投资者拥有一个投资组合，该组合的初始投资金额为1亿元，该组合由工商银行、中国石油、宝钢股份以及上汽集团构成，配置的比例分别为15%、20%、25%、40%。表1-1描绘了2018年9月3日至9月7日这5个交易日整个投资组合的涨跌幅情况。

表1-1 2018年9月3日至7日股票的涨跌幅

股票名称	2018年9月3日	2018年9月4日	2018年9月5日	2018年9月6日	2018年9月7日
中国石油	0.3731%	2.1066%	-0.4854%	0.6098%	-0.6060%
工商银行	-0.1838%	0.1842%	-1.6544%	-0.3738%	0.3752
上汽集团	-0.3087%	-0.0344%	-3.3391%	0.7123%	0.4597%
宝钢股份	-2.4112%	1.1704%	-2.9563%	-1.4570%	1.6129%

 根据以上信息，将4只股票的配置比例以一维数组方式直接在 Python 中进行输入，具体代码如下：

>>>weight = np.array([0.15,0.2,0.25,0.4])
>>>type(weight)
numpy.ndarray
>>>weight.shape    # 用shape函数可以得到该变量是一维数组，相当于是一个由4个元素组成的向量
(4,)

 将4只股票的涨跌幅以数组方式在 Python 中进行输入，具体代码如下：

>>>stock_return = np.array([[0.003731,0.021066,-0.004854,0.006098,-0.006060],[-0.001838,0.001842,-0.016544,-0.003738,0.003752],[-0.003087,-0.000344,-0.033391,0.007123,0.004597],[-0.024112,0.011704,-0.029563,-0.014570,0.016129]])
>>>stock_return
array([[ 0.003731,  0.021066, -0.004854,  0.006098, -0.00606 ],
       [-0.001838,  0.001842, -0.016544, -0.003738,  0.003752],
       [-0.003087, -0.000344, -0.033391,  0.007123,  0.004597],
       [-0.024112,  0.011704, -0.029563, -0.01457 ,  0.016129]])
>>>stock_return.shape   # 用shape函数可以得到该变量是一个二维数组，相当于是一个4*5（4行5列）的矩阵
(4, 5)

 shape 函数可用于查看数组的构成。此外，需要注意的是，同一数组中元素的类型应该相同，即字符串和数字不能存在于同一数组中。

2.将列表转化为数组

 根据例1中的信息，将4只股票的配置比例先以列表的方式在 Python 中输入，然后用 array 函数将列表转为一维数组，具体代码如下：