qq_42760920的博客

import matplotlib.pyplot as pltsizes = [1,2,3,4,5]labels = 'a','b','c','d','e'explode = (0,0,0,0.1,0)plt.pie(sizes,labels = labels,radius = 1.2,explode = explode,autopct = '%.1f%%',shadow = True,startangle = 90)#radius半径/explode距离/autopct显示占比/shadow默.

做一个简单的量化策略，目标如下import jqdata#聚宽包# 初始化函数，设定要操作的股票、基准等等def initialize(context): # 定义一个全局变量, 保存要操作的股票 #g.security = '000858.XSHE' # 获得沪深300股票数据 set_benchmark('000300.XSHG') g.security = get_index_stocks('000300.XSHG') # 开启动态复权模式(真

以支付宝的芝麻信用为例，其分值范围在350-950分。一般认为分值越高，信用越好，个人业务的违约率越低。这里用的也是与FICO评分类似的个人信用评分工具。FICO评分的只要思路是：多大量拥有多个属性的用户数据进行收集/分析/转换，使用各项统计指标（如相关系数/卡方校验/方差膨胀系数等）对属性进行取舍/复制/组合，最终得到一个量化的/综合的/可用于对比的分值。分值的高低，一方面反映了用户历史信用记录的好坏，另一方面暗示了未来违约可能性的大小。这里使用到的原始数据主要包括客户的个人信息（包括性别/年龄/工作

1.什么是机器学习?人区别于机器，更多是基于经验累积起来的个体。比如今天我起床看见天空有点儿灰暗，没有太阳，那我就可以初步预判今天应该是会下雨。走在路上发现，风越吹越大，蜻蜓也在低飞，天越来越黑，这时你知道要下雨了，而且根据以往十几年来的经验判断，这雨还不小，我得赶紧找个地方躲起来。人呢 遇到事多了，就积累了经验，从而下次有新的情况时，能用经验做出判断和决策。机器学习，与以往的你编程让机器做什么它就做什么不同，它就是让机器像人一样有‘思维’ 。对于机器来说，经验通常以数据的形式存在，有了很多数据之.

**random.random()**用于生成一个0到1的随机符小数: 0 <= n < 1.0**numpy.random.rand()**通过本函数可以返回一个或一组服从“0~1”均匀分布的随机样本值。随机样本取值范围是[0,1)，不包括1。**random.randint()**的函数原型为：random.randint(a, b)，用于生成一个指定范围内的整数。a <= n <= brandom.choice从序列中获取一个随机元素。其函数原型为：random.ch.

文件可以分为文本文件和二进制文件（比特0/1）采用文本方式读入文件，文件经过编码形成字符串，打印出有含义的字符；采用二进制方式打开文件，文件被解析为字节流（byte）文件的打开与关闭#t表示以文本形式打开x = open('python.txt','rt')print(x.readline())x.close()#b表示以二进制形式打开y = open('python.txt','rb')y.close()print(y.readline())二进制文件由于没有统一的字符编码，只能

#导入库import matplotlib.pyplot as pltimport numpy as np#数据np.random.seed(1)#生成随机数种子 使生成hig值不变n = 10x = np.arange(n)hig = np.random.random(n)#绘图(柱状图)plt.bar(x,hig,facecolor = '#00FF00',alpha = 0.5)#x,y必不可少for i in range(n): plt.text(x[i],hig[

实验内容及步骤（包含简要的实验步骤流程）1.使用Pandas_datareader获取任意两支股票近三个月的交易数据。做出收盘价的变动图像。2.使用Pandas_datareader获取世界银行数据库中美国（USA）、瑞典（SWE）、瑞士（CHE）三个国家近20年的NY.GDP.PCAP.KD数据，作图分析。3.对于泰坦尼克的数据集，试分析幸存与否与独立登船的相关性（alone数据列）。1．取五粮液(000858.sz)和古井贡酒(000596.sz)两只股票的三个月交易数据，做出收盘的变动图像.

import matplotlib.pyplot as plt# 创建绘图对象figure,设置画布大小figsize,分辨率dpi，背景颜色facecolor可以用十六进制颜色代码fig=plt.figure(figsize=(6,6),dpi=100,facecolor='#dfd7d7')#划分子图axax=fig.add_subplot(1,1,1)import numpy as npx = np.linspace(-3,3,100)y = np.random.randn(100)#

Python到https://www.python.org/downloads/这个网址找到自己想下载的python版本我的电脑是window10系统64位 所以找这个文件下载下来选择这个文件夹下载可能因为是外网所以网页下载的很慢 下载完后就可以在自定义下载customize installation这里要记得勾选 Add Python 3.8 to PATH这样后面下载完就可以不用自己在PATH里面添加路径记得勾选add python to environment variab

print(' へ　　　　　／|')print('　　/＼7　　　 ∠＿/')print('　 /　│　　 ／　／')print('　│　Z ＿,＜　／　　 /`ヽ')print('　│　　　　　ヽ　　 /　　〉')print(' Y　　　　　`　 /　　/')print('　ｲ●　､　●　　⊂⊃〈　　/')print('　()　 へ　　　　|　＼〈')print('　>ｰ ､_　 ィ　 │ ／／')print('　 / へ　　 /　ﾉ＜| ＼＼')print('　 ヽ_ﾉ