结合金融场景演示NumPy模块的操作（三）

结合金融场景演示NumPy模块的操作（三）

 注意，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、数组内的相关运算

 数组的运算可分为数组内的运算、数组间的运算以及矩阵的操作。接下来会一一介绍。

（一）数组内的运算

 继续引用上篇例1，有：

>>>return_list = [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]
>>>return_array = np.array(return_list)     #转化为一维数组
>>>return_array = return_array.reshape(4,5)    #运用reshape()，转化为4行5列的二维数组
>>>return_array
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]])

1.求和

 sum函数可用于对数组的内部元素求和，并且有参数axis=0或者axis=1可以输入，其中，axis=0代表按列求和，axis=1代表按行求和，如果不输入参数，则表示对所有元素求和。
 例：投资者按照return_array数组中的列、行分别求和，具体代码如下：

>>>return_array.sum(axis=0)    #按列求和
array([-0.025306,  0.034268, -0.084352, -0.005087,  0.018418])
>>>return_array.sum(axis=1)     #按行求和
array([ 0.019981, -0.016526, -0.025102, -0.040412])
>>>return_array.sum()           #求全部元素之和
-0.062059

2.求乘积

 prod函数可用于对数组的内部元素求乘积，同时，输入参数axis=0代表按列求乘积，axis=1代表按行求乘积，如果不输入参数，则表示对所有元素求乘积。
 例：投资者按照return_array数组中的列、行分别求乘积，具体代码如下：

>>>return_array.prod(axis=0)    #按列求乘积
array([-5.10435205e-10, -1.56230010e-10,  7.92717092e-08,  2.36564304e-09,
       -1.68584406e-09])
>>>return_array.prod(axis=1)    #按行求乘积
array([ 1.40983129e-11, -7.85557141e-13, -1.16107947e-12, -1.96057312e-09])
>>>return_array.prod()          #求全部元素乘积
-2.521099098076826e-44

 注意，输出结果中，e-n代表10**(-n)。

3.求最值

 max函数可用于对数组内部元素求最大值，min函数则可用于求最小值。同时，输入参数axis=0代表按列求最值，axis=1代表按行求最值，如果不输入参数，则表示对所有元素求最值。
 例：投资者按照return_array数组中的列、行分别求最大值和最小值，具体代码如下：

>>>return_array.max(axis=0)    #按列求最大值
array([ 0.003731,  0.021066, -0.004854,  0.007123,  0.016129])
>>>return_array.max(axis=1)    #按行求最大值
array([0.021066, 0.003752, 0.007123, 0.016129]