量化投资基础学习（1）————常用库 numpy 函数 （2022.7.11）

    感觉学了许多的python的知识，但又感觉什么都没学，这就很迷，属于一学就会，一写就废，对于这样的感觉，我个人第一反应就是基础不扎实，刚好暑假，又喜欢量化投资这一方面，所以想在这个暑假一步步跟着一些书本和网上的知识，结合自己零碎的记忆结合这方面打实一下基础。并将自己学习的笔记放在这里和大家一起学习进步。

一、numpy 介绍

        numpy 对于我来说可以说是最熟悉不过得了，因为感觉哪都有他。数据分析 最为显著，所以他也被称为各种操作的基础包

二、使用步骤

1.引入库

代码如下（示例）：

import numpy as np

  就个人而言，还是喜欢np作为简称，有种踏实感，当然你也可以这样导入

from numpy import * 

              当然这样写的好处了，就是使用函数的时候不用在在面前加 np. ,依照个人爱好决定吧这个。

---

2.生成有序的数

代码如下（示例）：

import numpy as np
a = np.arange(10)
print(a)
print(type(a))
print(a.shape)

out：

array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
numpy.ndarray
(10,)

        可以看到这里是一个一维数，在numpy中也支持多维数组

代码如下（示例）：

m = np.array([np.arange(3),np.arange(3)])
print(m)
print(m.shape)

print(a.dtype)

out:

        [[0 1 2]

         [0 1 2]]

         (2, 3)

        int32

这里数组的类型是int32,在有的电脑上可能是64，与版本有关

---

3. 下标和索引

        numpy数组的下标和切片也与pyton一样，也是从0开始的，类似于列表的操作，仿佛有一点点容易。

代码如下（示例）：

a = np.array([np.arange(5),np.arange(5)])
print(a)
print(a[0,0])                                                         #a[某,某]第某行第某个
print(a[0,1])
print(a[0,2])
print(a[1,3])

out:

[[0 1 2 3 4]
 [0 1 2 3 4]]
0
1
2
3

        看完索引的了，我们再来看看切片效果如何：

a = array(np.arange(10))
print(a)
print(a[:1])
print(a[::1])
print(a[::2])
print(a[::-1])
# 负下标常用来翻转数组

   out:

[0 1 2 3 4 5 6 7 8 9]
[0]
[0 1 2 3 4 5 6 7 8 9]
[0 2 4 6 8]
[9 8 7 6 5 4 3 2 1 0]

总结

        上述了就是对numpy的基础操作一些简单的代码，但numpy的功能还是挺多的，在后面pandas介绍的时候在例举。