NumPy
NumPy（Numerical Python）是一个开源Python库，它是Python科学计算的基础库之一。对于从事金融量化分析的专家来说，掌握NumPy是极其重要的，因为它提供了高效的数组处理和数学运算能力。 NumPy数组 NumPy的核心是ndarray对象，即N维数组，它是一个同类型元素的集合，可以进行高效的向量化计算。 创建数组 可以通过多种方式创建数组，如使用np.array()函数从Python列表创建： import numpy as np a = np.array([1, 2, 3]) b = np.array([[1, 2, 3], [4, 5, 6]]) # 二维数组 还有一些特殊的数组创建函数，如zeros(), ones(), arange(), linspace()等。 数组属性 数组有多种属性，如shape（形状），dtype（数据类型），ndim（维度数）等。 3. 数组索引和切片 NumPy提供了丰富的索引和切片功能，允许你访问和修改数组的特定部分。 4. 数组操作 可以对数组进行各种操作，包括重塑（reshape），合并（concatenate），分割（split）等。 5. 数学运算 NumPy支持大量的数学运算，包括基础的算术运算、统计运算、线性代数运算等。 基本算术运算 运算符如+，-，*，/可以直接应用于数组，进行元素级的运算。 统计运算 函数如mean()，median()，std()可以计算数组的统计特性。 线性代数 NumPy提供np.linalg模块，支持多种线性代数运算，如矩阵乘法、求解线性方程组等。 6. 高级功能 NumPy还提供了广播机制、高级索引、掩码数组等高级功能，以支持更复杂的数据操作和分析。 小结 NumPy是金融量化分析中不可或缺的工具之一，掌握它能极大提高数据处理和分析的效率。以上只是一个快速入门指南，NumPy的功能远不止这些。建议深入学习NumPy的官方文档和相关教程，通过实践来提升你的NumPy技能。
NumPy库的主要作用及常用函数大全
主要作用
NumPy（Numerical Python的简称）是Python中用于处理数组、矩阵、数值计算以及高级数学函数的一个强大的库。在金融量化分析中，NumPy扮演着至关重要的角色，因为它提供了快速、高效的数值计算能力，适用于处理大量的金融数据。
NumPy的主要特点包括：
- 多维数组对象：NumPy提供了一个称为
ndarray的多维数组对象，用于存储和处理大型数据集。 - 数学函数：NumPy包含了大量的数学函数，用于执行基本的数学运算（如加、减、乘、除）以及更复杂的数学运算（如线性代数运算、统计函数、随机数生成等）。
- **广播功
更新时间：2024-05-20 02:35
Numpy库
导语
本文介绍数值分析的一大利器——Numpy
附件：Numpy介绍
https://bigquant.com/experimentshare/3132bdddfa574e27b49a4bb1bea299ad
本文由BigQuant宽客学院推出，版权归BigQuant所有，转载请注明出处。
\
更新时间：2024-05-20 02:34
报错：TypeError: unhashable type: 'numpy.ndarray'
使用cn_stock_factors . volatility_5 或者其他因子都报错
执行因子分析模版v27报错
https://bigquant.com/codeshare/39d6f723-70d2-45fc-951f-50960177adc1
\
更新时间：2023-12-08 08:38
金工研究：华泰人工智能系列之七-人工智能选股之Python实战-华泰证券-20170912
摘要
介绍Python安装方法、与机器学习相关的包以及常用命令
Python语言是目前机器学习领域使用最广泛的编程语言之一，拥有众多优秀的包和模块，并且相对简单易学。我们将简单介绍Python语言的特性，常用命令，以及和机器学习相关的包，例如NumPy，pandas，scikit-learn等，希望帮助有一定编程基础的读者迅速上手Python语言。
机器学习选股框架与多因子选股框架类似，具有一定优越性
机器学习中最为主流的方法监督学习，其核心思想是挖掘自变量和因变量之间的规律。我们将经典多因子模型稍加改造，以机器学习的语言描述。在训练阶段，根据历史的因子值X和收益
更新时间：2021-11-26 07:28
分页第1页