Numpy相关运算

比较运算

• 重新生成8只股票10个交易日的涨跌幅数据：
• stock_change = np.random.normal(loc=0, scale=1, size=(8, 10))
  
  

逻辑判断：如果涨跌幅大于0.5就标记为True，否则就标记为False。

取出为True的具体数据：

将为True的数据修改为1.1：

• 也就是将满足条件的设置为指定的值。
  

通用判断函数：

np.all()

np.any()

总结：

通用判断函数：

• np.all(布尔值)
  • 只要有一个False就返回False，只有全是True才返回True
• np.any()
  • 只要有一个True就返回True，只有全是False才返回False

判断前2只股票前5天是否全是上涨的：

判断前2只股票这段期间是否有上涨的：

• 或是
  
• 或是
  
  
  
• 或是：
  
• 或是：
  

np.where(三元运算符)

• np.where(三元运算符)
  • np.where(布尔值, True的位置的值, False的位置的值)
    
• 判断前4只股票前4天的涨跌幅，大于0的置为1，否则为0：
  
  
• 下面这样可以帮助更好的理解：
  
• 判断前4只股票前4天的涨跌幅，大于0.5并且小于1的，替换为1， 否则替换为0：
  
  
  

提示：复合逻辑需要结合np.logical_and 和 np.logical_or使用。

• 合起来写就是：
  
• 判断前4个股票前4天的涨跌幅，大于0.5或者小于-0.5的，替换为1，否则替换为0：
  

统计运算：

如果想要知道涨幅或者跌幅最大的数据，应该怎么做？

统计指标：

• 在数据挖掘/机器学习领域，统计指标的值也是我们分析问题的一种方式。

常用的指标如下：

• min()最小值，
• max()最大值，
• median中值，
• std标准差，
• var方差，
• 都可以使用axis指定按行求还是按列求。
  
• 提示：上面这些方法都有两种使用形式：一种是：变量名.方法名()。一种是np.方法名()。

股票涨跌幅统计运算：

• 运行统计的时候，axis轴的取值并不一定，Numpy中不同的API轴的值都不一样，在这里，axis 0 代表列，
  axis 1 代表行去进行统计。
  
• 上面就是演示了求最大值这个方法的两种使用形式，其他的统计指标也是这两种使用形式。
  

axis=0表示按列求最大值，axis=1表示按行求最大值。

• 还有一种说法是下面这种说法，也可以下面这样理解：
  
• 现在temp的形状是(4,4)也就是4行4列：
  
• 我们的要求是：
  
• 这个维度上的最大值，这个维度是第二个维度，第二个维度的下标是1，由于第二个维度是最后一个维度，所以也可以表示成-1，-1表示的是最后一个维度。
• numpy中不同的API轴的值都不一样，大家记不住也是没有关系的，到时候试一试就知道了。也就是在有的api中1表示按行，有的api中1表示按列，这是这些api底层的规划，也就是这些开发团队们他们这样规定的。

其他的统计指标大家可以自行尝试一下：

返回最大值和最小值所在位置也就是索引值：