一些统计学的计算
-
np.cov协方差矩阵
-
diagonal函数查看对角线上的元素
-
trace函数计算矩阵的迹
-
std()标注差
-
ployfit函数可以用多项式去拟合一系列数据点
-
polyval用于计算多项式值
-
roots函数找出我们拟合的多项式函数什么时候到达0值
-
polyder求导
import numpy as np
a = [1,3,5,2,7,8,10]
l = np.arange(len(a))
poly = np.polyfit(l, a, 3) # 3阶
print(poly)
# polyval用于计算多项式值
print(np.polyval(poly, 3))
print(np.roots(poly))
print(np.polyder(poly))
[ 0.05555556 -0.36904762 1.71825397 1.28571429]
4.619047619047622
[ 3.64591481+4.72948976j 3.64591481-4.72948976j -0.64897248+0.j ]
[ 0.16666667 -0.73809524 1.71825397]
-
sign函数可以返回数组中每个元素的正负符号
-
平滑数据的操作
我们使用hanning函数对股票收益率数组进行了平滑处理,使用polysub函数对两个多项式
作差运算,以及使用isreal函数判断数组元素是否为实数,并用select函数选出了实数元素。
最后,我们用trim_zeros函数去掉数组首尾的0元素。示例代码见smoothing.py文件。