python基础代码_Python量化交易基础入门Numpy学习代码示例

本章内容是我们视频教程中的代码示例，包含代码块的详细说明，完整代码附在文章最后面，大家可以用电脑版的微信打开并且复制下来。

• 引入相关的包

使用numpy之前，我们需要先将numpy的包引进来，这里我们还引入了matplotlib的包，这个是用来画图用的。

import numpy as npimport matplotlib.pyplot as pltimport matplotlib as mpl

• 定义计算N日移动均线计算函数

方法名为moving_average,括号里面的为参数，a为自定义的行情数组，n为要计算的移动均线的个数，默认为5表示默认计算5日移动均线。

# 计算n日移动均线def moving_average(a, n=5):    ret = np.cumsum(a, dtype=float)    ret[n:] = ret[n:] - ret[:-n]    return ret[n - 1:] / n

• 利用随机方法生成模拟行情数据

我们这里直接先用python自带的随机数生成，我们生成一段模拟行情数据。后续我们学习tushare后，我们将使用实盘的行情数据。

# 生成随机小数数组np.set_printoptions(precision=1)data_1 = np.random.rand(50)print(data_1)print("============")# 生成随机的整数数组data_2 = np.random.randint(15, 20, size=50)print(data_2)data_3 = data_1 + data_2print("============")print(data_3)

• 利用Numpy获取行情指定的最大值与最小值，并计算移动均线

# 计算最大的数的索引位置max_index = np.argmax(data_3)print("最大值元素索引%d" % max_index)min_index = np.argmin(data_3)print("最小值元素索引%d" % min_index)# 移动均线数组print("移动均线")print(moving_average(data_3))

• 以下是画图部分，画图没什么技巧，直接copy即可，因为后续画图的步骤大体都一样的。这里，我们主要是在图上打点，画出最大与最小值，并且画出一条移动均线。

# 画图x = np.arange(0, 50, 1)plt.plot(x, data_3, "--*r")# 瞄最大点show_max = '[key=' + str(max_index) + ' value:' + str(round(data_3[max_index], 1)) + ']'plt.annotate(show_max, xytext=(max_index, data_3[max_index]), xy=(max_index, data_3[max_index]))# 瞄最小点show_min = '[key=' + str(min_index) + ' value:' + str(round(data_3[min_index], 1)) + ']'plt.annotate(show_min, xytext=(min_index, data_3[min_index]), xy=(min_index, data_3[min_index]))# 移动均线x_average = np.arange(4, 50, 1)plt.plot(x_average, moving_average(data_3))# 保存图mpl.rcParams['font.sans-serif'] = ["SimHei"]plt.title("行情及五日均线")plt.savefig("./20200423.png", dpi=300)plt.show()

最后画出的行情效果图，如下图所示。

完整的源代码如下，使用pycharm打开，并且安装好numpy和matplotlib依赖包，直接ctrl+shift+F10即可运行，不懂得安装依赖包的，可以关注头条号【大操手量化投资】观看视频学习。

附源码：

import numpy as npimport matplotlib.pyplot as pltimport matplotlib as mpl# 计算n日移动均线def moving_average(a, n=5):    ret = np.cumsum(a, dtype=float)    ret[n:] = ret[n:] - ret[:-n]    return ret[n - 1:] / n# 生成随机小数数组np.set_printoptions(precision=1)data_1 = np.random.rand(50)print(data_1)print("============")# 生成随机的整数数组data_2 = np.random.randint(15, 20, size=50)print(data_2)data_3 = data_1 + data_2print("============")print(data_3)# 计算最大的数的索引位置max_index = np.argmax(data_3)print("最大值元素索引%d" % max_index)min_index = np.argmin(data_3)print("最小值元素索引%d" % min_index)# 移动均线数组print("移动均线")print(moving_average(data_3))# 画图x = np.arange(0, 50, 1)plt.plot(x, data_3, "--*r")# 瞄最大点show_max = '[key=' + str(max_index) + ' value:' + str(round(data_3[max_index], 1)) + ']'plt.annotate(show_max, xytext=(max_index, data_3[max_index]), xy=(max_index, data_3[max_index]))# 瞄最小点show_min = '[key=' + str(min_index) + ' value:' + str(round(data_3[min_index], 1)) + ']'plt.annotate(show_min, xytext=(min_index, data_3[min_index]), xy=(min_index, data_3[min_index]))# 移动均线x_average = np.arange(4, 50, 1)plt.plot(x_average, moving_average(data_3))# 保存图mpl.rcParams['font.sans-serif'] = ["SimHei"]plt.title("行情及五日均线")plt.savefig("./20200423.png", dpi=300)plt.show()

如果觉得文章好的话，帮忙点【在看】分享给更多想学习量化交易的朋友哦。关注我，jeevan老师每天带你学习一点量化交易知识。