Python数据分析与程序设计(二)：Numpy数据分析实践

前言：

相应数据集我会在后续上传 以供大家参考学习 大家可以在我的主页找一找

在“Python数据分析与程序设计”系列的第一章中，我们共同探讨了数据分析的基本概念并深入了解了NumPy库；在本篇博客中，我们不仅会回顾NumPy的相关内容，还会一起编写代码，处理真实的数据集，并从中提取有价值的信息。希望通过这些实践，能够更好地理解数据分析的力量，并将这些技术应用到你自己的项目中。

以下是本篇博客处理的主要内容：数据分析实践一一股票数据分析

1. 股票数据读取；
2. 加权平均收盘价格统计；
3. 最大值和最小值统计；
4. 简单统计分析；
5. 股票收益率分析

1.股票数据读取

np.loadtxt() 是 NumPy 库中的一个函数，它用于从文本文件中加载数据，并将其转换为 NumPy 数组

c,v = np.loadtxt('C:\\Users\\lenovo\\Downloads\\stock.csv',\
                  delimiter=',',\
                  usecols=(3,6),\
                  skiprows=1,\
                  unpack=True,\
                  comments='#')
# c记录第4列 v记录第7列 从0开始索引
# 其中第4列为收盘价 第7列为成交量

# C:\\Users\\lenovo\\Downloads\\stock.csv: 这是文件的路径，指定了要加载的CSV文件的位置。在这个示例中，文件的路径是C:\\Users\\lenovo\\Downloads\\stock.csv。
# delimiter=',: 指定了CSV文件中的分隔符。在这个示例中，分隔符是逗号,
# usecols=(3,6): 指定了要加载的列。在这个示例中，我们只加载了第4列和第7列（Python中索引是从0开始的）。
# skiprows=1: 指定了要跳过的行数。在这个示例中，我们跳过了第一行，也就是跳过了CSV文件中的标题行。
# unpack=True: 指定了是否将加载的数据进行解包。如果设置为True，则会将每列数据分配给不同的变量，如果设置为False，则加载的数据将存储在一个数组中。
# comments='#': 指定了注释符号。在这个示例中，注释符号是#，如果数据文件中包含以#开头的行，则这些行将被忽略。
# 总结：loadtxt函数可以加载CSV文件中的数据，并根据指定的参数对数据进行处理，比如选择加载的列、跳过的行、分隔符等。这些参数可以根据实际情况进行调整，以便正确加载和处理数据。

2.加权平均收盘价格统计

（1）收盘价格算术平均值

使用np.mean(ndarray_name)来计算算术平均值

# 创建一个二维数组
data = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])

# 计算整个数组的平均值
mean_value = np.mean(data)
print("Mean value of the entire array:", mean_value)

# 计算每一列的平均值
mean_column = np.mean(data, axis=0)
print("Mean value of each column:\n", mean_column)

# 计算每一行的平均值
mean_row = np.mean(data, axis=1)
print("Mean value of each row:\n", mean_row)

运行结果：
Mean value of the entire array: 5.0
Mean value of each column:
 [4. 5. 6.]
Mean value of each row:
 [2. 5. 8.]

## np.mean() 算术平均值
# np.mean(c) == np.average(c)
# 注意 这里的c是第一步读取到的收盘价
def mean_test():
    print(c) # >[87.381 84.841 84.318 85.671 82.34  82.091 83.463 81.267 82.965 85.218 ...]
    print(type(c)) # > numpy.ndarray
    mean = np.mean(c) # 调用mean计算收盘价格算术平均值
    print(mean)

    print(v)
    print(type(v))
    mean_1 = np.mean(v)
    print(mean_1)

（2）成交量加权平均价格VWAP

使用np.average(array_name,weights = array_name1) 来计算加权平均价格

第一个参数表示要计算平均值的数组 第二个参数表示权重数组

def vwap_test():
    # 生成需要计算平均值的数组
    c = np.arange(1,4)
    print('c ',end='')
    print(c)

    # 生成作为权重的数组
    d = np.arange(3,0,-1)
    print('d ',end='')
    print(d)

    print('weights=d',end=' ')
    print(np.average(c,weights=d)) # 加权平均价格 
    print('weights默认',end=' ')
    print(np.average(c)) # 默认权重相同

输出结果：
c [1 2 3]
d [3 2 1]
weights=d 1.6666666666666667
weights默认 2.0

def vwap_test2():
    # 以成交量为权重的收盘价
    print('该股票的vwap',end=' ')
    print(np.average(c,weights=v))

（3）时间加权平均价格 TWAP

TWAP属于另一种平均价格的指标。近期的价格给以较高的权重。

数据是按照时间 递增 的顺序排列的，即，最新的数据在最后一行；

由此分析，也可以使用np.average()函数，并以时间为权重

def twap_test():
    t = np.arange(len(c))
    twap = np.average(c,weights=t)
    print(twap)

3.最大值和最小值统计

借助np.max() 和 np.min()函数 可以获取一个ndarray数组的最大值和最小值

def maxmin_test():
    # 获取最高价列 和 最低价列
    high,low = np.loadtxt('C:\\Users\\lenovo\\Downloads\\stock.csv',delimiter=',',usecols=(4,5),skiprows=1,unpack=True,comments='#') 

    highest = np.max(high) # np.max() np.min()
    lowest = np.min(low)

    print(high)
    print(highest)
    print(lowest)

4.计算收盘价中位数和方差

借助np.median() 和 np.variance()函数 可以获取ndarray数组的中位数和方差

def median_test():
    median = np.median(c)
    print('median',end=' ')
    print(median)

def variance_test():
    variance = np.var(c)
    print('variance',end=' ')
    print(variance)

5.股票收益率分析

(1) 简单收益率

简单收益率指的是相邻两个价格的变化率。

即：第2天的价格减去第1天的价格，再除以第1天的价格；

(2) 简单收益率的标准差

标准差定义是总体各单位标准值与其平均数离差平方的算术平均数的平方根。它反映组内个体间的离散程度。

def Simple_Rate_test():
    returns = np.diff(c)/c[:-1] 
    # c[:-1] 从第一个 到 最后一个的前一个
    # np.diff(c) np.diff可以计算数组中每个元素与其前一个元素之间的差值。
    print('returns:',end=' ')
    print(returns)
    # 用std函数计算标准差
    std_deviation = np.std(returns)
    print('std_deviation:',end=' ')
    print(std_deviation)

(3) 对数收益率

对数收益率是两个时期资产价值 取对数后的 差额，即资产多个时期的对数收益率等于其各时期对数收益率之和。

def logreturns_test():
    logreturns = np.diff(np.log(c))
    print('logreturns:',end=' ')
    print(logreturns)

# 补充：为什么计算"对数收益率"？
# 因为常用的时间序列分析的模型，都要求随机变量是二阶矩平稳，
# 很明显价格序列通常是I（1）过程，或者是广义维纳过程。
# 这一类过程二阶矩不平稳，很多模型不适用，所以要进行对数转换，变成平稳的序列。

# 对数收益率的时序可加性能够使用另外两个利器：中心极限定理和大数定律。
# 假设初始资金X_0（假设等于1），In（X_T）=In（X_T/X_0）就是整个T期的对数收益率。
# 对数收益率的最大好处是可加性，把单期的对数收益率相加就得到整体的对数收益率。

(4) 波动率

波动率在投资学中，用来描述价格的变化；常用的有年波动率、月波动率；波动率的计算依赖对数收益率；

def voatility_test():
    logreturns = np.diff(np.log(c))
    # 年波动率
    annual_volatility = np.std(logreturns)/np.mean(logreturns)
    annual_volatility = annual_volatility/np.sqrt(1./252.) # 再除以交易日倒数的平方根

    # 月波动率
    monthly_volatility = annual_volatility*np.sqrt(1./12.)

    print('annual_volatility',end=' ')
    print(annual_volatility)
    print('monthly_volatility',end=' ')
    print(monthly_volatility)

总结

大体的思路就是：从数据集中获取所需数值列->根据数学理论调用对应np方法->输出分析结果

拓展 ：if __name__ == '__main__': 

同时，本篇中大多步骤都使用函数封装了起来，只需要在if __name__ == '__main__': 调用对应函数即可，类似于C语言中的main函数

if __name__ == '__main__':
    print('——————————numpy实践——————————')
    # mean_test()
    # vwap_test()
    # vwap_test2()
    # twap_test()
    # maxmin_test()
    # median_test()
    # variance_test()
    # Simple_Rate_test()
    # logreturns_test()
    voatility_test()

当然，if __name__ == '__main__': 作为一个常见的代码片段，它的作用远不于此；

它用于判断当前运行的是直接执行的脚本还是被导入到其他脚本中作为模块使用。

解释这个概念需要理解 Python 程序的运行机制。当你直接运行一个 Python 脚本时，Python 解释器会将内置的特殊变量 __name__ 设置为 '__main__'。但是，如果这个脚本被另一个脚本通过 import 语句导入，__name__ 将被设置为该脚本的模块名，而不是 '__main__'。

这个机制允许我们编写既能作为脚本直接执行，又能作为模块被其他脚本导入使用的代码。通过检查 __name__ 变量的值，我们可以决定哪些代码应该只在脚本直接运行时执行，而不影响其他导入该脚本的模块。

当然这种模仿main函数的方法不是最佳的，目前本人觉得更便捷的方法是在vscode中安装Jupyter插件，有机会我也会为Jupyter的基本使用做一个总结

以上即是全部内容，下篇系列文章我会介绍Pandas库。如果对你有帮助，欢迎点赞收藏关注！