要点抢先看
1.csv数据的读取
2.利用常用函数获取均值、中位数、方差、标准差等统计量
3.利用常用函数分析价格的加权均值、收益率、年化波动率等常用指标 4.处理数据中的日期
我们最后会介绍一下NumPy库中的一些非常实用和常用的函数方法。
要知道，NumPy的常用数学和统计分析的函数非常多，如果我们一个一个的分散来讲，一来非常枯燥，二来呢也记不住，就仿佛又回到了昏昏欲睡的课堂，今天我们用一个背景例子来串联一下这些零散的知识点。
我们通过分析苹果公司的股票价格，来串讲NumPy的常用函数用法
我们在我们python文件的同级目录下放置数据文件AAPL.csv，用excel文件可以打开看看里面是什么样的：
依次是日期，收盘价、成交量、开盘价、最高价和最低价 在CSV文件中，每一列数据数据是被“,”隔开的，为了突出重点简化程序，我们把第一行去掉，就像下面这样
首先，我们读取“收盘价”和“成交量”这两列，即第1列和第2列（csv也是从第0列开始的）
import numpy as np
c, v = np.loadtxt('AAPL.csv', delimiter=',', usecols=(1, 2), unpack=True)
print(c)
print(v)
[ 178.02 178.65 178.44 179.97 181.72 179.98 176.94 175.03 176.67 176.82 176.21 175. 178.12 178.39 178.97 175.5 172.5 171.07 171.85 172.43 172.99 167.37 164.34 162.71 156.41 155.15 159.54 163.03 156.49 160.5 167.78 167.43 166.97 167.96 171.51 171.11 174.22 177.04 177. 178.46 179.26 179.1 176.19 177.09 175.28 174.29 174.33 174.35 175. 173.03 172.23 172.26 169.23 171.08 170.6 170.57 175.01 175.01 174.35 174.54 176.42]
[ 38313330. 22676520. 29334630. 31464170. 32191070. 32130360. 24518850. 31686450. 23273160. 27825140. 38426060. 48706170. 37568080. 38885510. 37353670. 33772050. 30953760. 37378070. 33690660. 40113790. 50908540. 40382890. 32483310. 60774900. 70583530. 54145930. 51467440. 68171940. 72215320. 85957050. 44453230. 32234520. 45635470. 50565420. 39075250. 41438280. 51368540. 32395870. 27052000. 31306390. 31087330. 34260230. 29512410. 25302200. 18653380. 23751690. 21532200. 20523870. 23589930. 22342650. 29461040. 25400540. 25938760. 16412270. 21477380. 33113340. 16339690. 20848660. 23451420. 27393660. 29385650.]
这样，我们就完成了第一个任务，将csv数据文件中存储的数据，读取到我们两个ndarray数组c和v中了。
接下来，我们小试牛刀，对收盘价进行最简单的数据处理，求取他的平均值。
第一种，非常简单，就是我们最常见到的算数平均值
import numpy as np
c, v = np.loadtxt('AAPL.csv', delimiter=',', usecols=(1, 2), unpack=True)
mean_c = np.mean(c) print(mean_c)
172.614918033
第二种，是加权平均值，我们用成交量来加权平均价格
即，用成交量的值来作为权重，某个价格的成交量越高，该价格所占的权重就越大。
import numpy as np
c, v = np.loadtxt('AAPL.csv', delimiter=',', usecols=(1, 2), unpack=True)
vwap = np.average(c, weights=v)
print(vwap)
170.950010035
再来说说取值范围，找找最大值和最小值
我们找找收盘价的最大值和最小值，以及最大值和最小值之间的差异
import numpy as np
c = np.loadtxt('AAPL.csv', delimiter=',', usecols=(1,), unpack=True)
print(np.max(c))
print(np.min(c))
print(np.ptp(c))
181.72
155.15
26.57
接下来我们进行简单的统计分析
我们先来求取收盘价的中位数
import numpy as np
c = np.loadtxt('AAPL.csv', delimiter=',', usecols=(1,), unpack=True)
print(np.max(c))
print(np.min(c))
print(np.median(c))
181.72
155.15
174.35
求取方差
另外一个我们关心的统计量就是方差，方差能够体现变量变化的程度。在我们的例子中，方差还可以告诉我们投资风险的大小。那些股价变动过于剧烈的股票一定会给持有者带来麻烦
import numpy as np
c = np.loadtxt('AAPL.csv', delimiter=',', usecols=(1,), unpack=True)
print(np.var(c))
37.5985528621
我们回顾一下方差的定义，方差指的是各个数据与所有数据算数平均数的离差平方和的均值
import numpy as np
c = np.loadtxt('AAPL.csv', delimiter=',', usecols=(1,), unpack=True)
print(np.mean((c - c.mean())**2))
37.5985528621
上下对比一下，看看，结果是一模一样的。
现在我们来看看每天的收益率，这个计算式子很简单：
，即用今天的收盘价减去昨天的收盘价，再除以昨天的收盘价格。同时我们发挥NumPy的优势，利用向量运算，可以一次性算出所有交易日的收益率
diff函数时用数组的第N项减第N-1项，得到一个n-1项的一维数组。本例中我们注意到数组中日期越近的收盘价，数组索引越小，因此得取一个相反数，综上代码：
import numpy as np
c = np.loadtxt('AAPL.csv', delimiter=',', usecols=(1,), unpack=True)
returns = -np.diff(c)/c[1:]
print(returns)
[-0.00352645 0.00117687 -0.00850142 -0.0096302 0.00966774 0.01718097 0.01091242 -0.00928284 -0.00084832 0.00346178 0.00691429 -0.01751628 -0.00151354 -0.00324077 0.01977208 0.0173913 0.00835915 -0.00453884 -0.00336368 -0.00323718 0.0335783 0.01843739 0.01001782 0.04027875 0.00812117 -0.02751661 -0.0214071 0.04179181 -0.02498442 -0.04339015 0.00209043 0.00275499 -0.00589426 -0.0206985 0.00233768 -0.01785099 -0.0159286 0.00022599 -0.00818111 -0.00446279 0.00089336 0.01651626 -0.00508216 0.01032634 0.00568019 -0.00022945 -0.00011471 -0.00371429 0.01138531 0.00464495 -0.00017416 0.01790463 -0.01081365 0.0028136 0.00017588 -0.02536998 -0. 0.00378549 -0.00108858 -0.01065639]
然后观察一下每日收益的标准差，就可以看看收益的波动大不大了：
import numpy as np
c = np.loadtxt('AAPL.csv', delimiter=',', usecols=(1,), unpack=True)
returns = -np.diff(c)/c[1:]
print(np.std(returns))
0.0150780328454
如果我们想看看哪些天的收益率是正的，很简单，还记得where语句吗，拿来使用吧
import numpy as np
c = np.loadtxt('AAPL.csv', delimiter=',', usecols=(1,), unpack=True)
returns = -np.diff(c)/c[1:]
print(np.where(returns>0))
(array([ 1, 4, 5, 6, 9, 10, 14, 15, 16, 20, 21, 22, 23, 24, 27, 30, 31, 34, 37, 40, 41, 43, 44, 48, 49, 51, 53, 54, 57], dtype=int64),)
专业上我们对价格变动可以用一个叫做“波动率”的指标进行度量。计算历史波动率时需要用到对数收益率，对数收益率很简单，就是
，依照对数的性质，他等于
，在计算年化波动率时，要用样本中所有的对数收益率的标准差除以其均值，再除以交易日倒数的平方根，一年交易日取252天。
我们简单的看一下下面的代码
import numpy as np
c = np.loadtxt('AAPL.csv', delimiter=',', usecols=(1,), unpack=True)
logreturns = -np.diff(np.log(c))
volatility = np.std(logreturns) / np.mean(logreturns)
annual_volatility = volatility / np.sqrt(1./252.)
print(volatility)
print(annual_volatility)
100.096757388
1588.98676256
这里我们再强调一点就是：sqrt方法中应用了除法计算，这里必须使用浮点数进行运算。月度波动率也是同理用1./12.即可
我们可以常常会发现，在数据分析的过程中，对于日期的处理和分析也是一个很重要的内容。
我们先试图用老办法来从csv文件中把日期数据读出来
import numpy as np
dates,c = np.loadtxt('AAPL.csv', delimiter=',', usecols=(0,1), unpack=True)
Traceback (most recent call last):
File "E:/12homework/12homework.py", line 2, in
dates,c = np.loadtxt('AAPL.csv', delimiter=',', usecols=(0,1), unpack=True)
File "C:\Python34\lib\site-packages\numpy\lib\npyio.py", line 930, in loadtxt
items = [conv(val) for (conv, val) in zip(converters, vals)]
File "C:\Python34\lib\site-packages\numpy\lib\npyio.py", line 930, in
items = [conv(val) for (conv, val) in zip(converters, vals)]
File "C:\Python34\lib\site-packages\numpy\lib\npyio.py", line 659, in floatconv
return float(x)
ValueError: could not convert string to float: b'2018/3/16'
我们发现他报错了，错误信息是不能将一个字节类型的对象转换为浮点类型对象。原因是因为NumPy是面向浮点数运算的，那么我们对症下药，对日期字符串进行一些转换处理。
我们先假定日期是一个字符串类型（下载的网络数据中往往是将字符串通过utf-8编码成字节码，这个可以见第一季中字符编码相关内容的介绍）
import numpy as np import datetime
strdate = '2017/3/16'
d = datetime.datetime.strptime(strdate,'%Y/%m/%d')
print(type(d))
print(d)
2017-03-16 00:00:00
通过python标准库中的datetime函数包，我们通过指定匹配的格式%Y/%m/%d
将日期字符串转换为了datetime类型对象，Y大写匹配完整的四位数记年，y小写就是两位数，例如17。
datetime对象有一个date方法，把datetime对象中的time部分去掉，变成一个纯的日期，再调用weekday可以转换为一周中的第几天，这里是从周日开始算起的。
import numpy as np import datetime
strdate = '2018/3/16'
d = datetime.datetime.strptime(strdate,'%Y/%m/%d')
print(d.date())
print(d.date().weekday())
2018-03-16 4
最后，我们回到这份苹果公司股价的csv文件，来做一个综合分析，来看看周几的平均收盘价最高，周几的最低：
import numpy as np import datetime
def datestr2num(bytedate):
return datetime.datetime.strptime(
bytedate.decode('utf-8'),'%Y/%m/%d').date().weekday()
dates,c = np.loadtxt('AAPL.csv', delimiter=',', usecols=(0,1),
converters={0: datestr2num}, unpack=True)
averages = np.zeros(5)
for i in range(5):
index = np.where(dates == i)
prices = np.take(c, index)
avg = np.mean(prices)
averages[i] = avg print("Day {} prices: {},avg={}".format(i,prices,avg))
top = np.max(averages)
top_index = np.argmax(averages)
bot = np.min(averages)
bot_index = np.argmin(averages)
print('highest:{}, top day is {}'.format(top,top_index))
print('lowest:{},bottom day is {}'.format(bot,bot_index))
Day 0 prices: [[ 181.72 176.82 178.97 162.71 156.49 167.96 177. 174.35 176.42]],avg=172.49333333333334
Day 1 prices: [[ 179.97 176.67 178.39 171.85 164.34 163.03 166.97 177.04 176.19 174.33 172.26 170.57 174.54]],avg=172.78076923076924
Day 2 prices: [[ 178.44 175.03 178.12 171.07 167.37 159.54 167.43 174.22 179.1 174.29 172.23 170.6 174.35]],avg=172.44538461538463
Day 3 prices: [[ 178.65 176.94 175. 172.5 172.99 155.15 167.78 171.11 179.26 175.28 173.03 171.08 175.01]],avg=172.59846153846152
Day 4 prices: [[ 178.02 179.98 176.21 175.5 172.43 156.41 160.5 171.51 178.46 177.09 175. 169.23 175.01]],avg=172.71923076923073
highest:172.78076923076924, top day is 1
lowest:172.44538461538463,bottom day is 2
简要的再分析一下：由于从csv中读取的数据类型为bytes，所以我们写了一个转换函数，先将bytes类型的日期数据进行解码（字符串编解码详见第一季），然后再用上一段程序介绍的方法转换为一个表示周几的数字
而np.loadtxt函数中的参数converters={0: datestr2num}，就是说针对第一列的数据，我们利用这个转换函数将其转化为一个数字，并将这个整形元素构成的数组赋值给dates变量。
后面的处理就很简单了，用循环依次取出每个工作日的收盘价构成的数组，对其求平均值。然后得到周一到周五，五个平均值的最大值、最小值。
最后我们再介绍两个实用函数，一个是数组的裁剪函数，即把比给定值还小的值设置为给定值，比给定值大的值设置为给定上限
import numpy as np
a = np.arange(5)
print(a.clip(1,3))
[1 1 2 3 3]
第二个是一个筛选函数，返回一个根据给定条件筛选后得到的结果数组
import numpy as np
a = np.arange(5)
print(a.compress(a > 2))
[3 4]
这一小节中，我们利用NumPy的一些实用函数，对苹果公司的股价进行了一些非常非常简单的分析，目的是通过这个实例来串讲一下这些实用的数据处理函数。
其实NumPy的功能非常非常多，远不止这些，但是没有必要去一个一个学。并且另一方面，NumPy的方法都过于原始和底层，虽然功能很丰富，但是使用起来也很繁杂。这里我们为大家打一个基础，后面的章节就不会再一一介绍里面的各种函数了。后面我要介绍基于NumPy之上的一些更高层的方法库，功能更强大，使用也更简单。
我知道很多人都在为自学而感到苦恼，没有人你能够和你一起交流互相分享经验，遇到问题而没办法解决，久而久之你就会选择放弃，然而花费的时间却没有回来。还有我知道绝大多数的人没有一个良好的学习环境，以及系统的学习资料，在网上找的那些资料杂乱无章学习起来毫无头绪。 不过这些问题在我这里都不是问题。加上我的qun688134818，里面有很多的大牛，每天晚上还会邀请名师过来讲座。并且有一个良好的学习环境。
