4、Python时间序列分析入门与实践

Python时间序列分析入门与实践

1. Python基础库介绍

1.1 Jupyter中获取帮助

在Jupyter中，问号（?）可用于提供笔记本内的帮助。若想查看函数的签名或完整源代码列表，可在函数末尾使用单问号或双问号。这一功能能节省大量时间，无需在谷歌上搜索代码或类、函数的定义，瞬间就能获取相关信息。

1.2 NumPy库

NumPy是Python科学计算的基础库，众多库都依赖它。像PyTorch和TensorFlow等库都提供了与NumPy的接口，方便数据的导入和导出。pandas本质上是围绕NumPy数组的高级接口，SciPy也构建在NumPy之上，它涵盖了从数学常数到积分、优化、插值、信号处理等诸多功能。

NumPy可处理不同维度的矩阵并进行计算。以下是一些基本命令：

import numpy as np
# 一维数组
x1 = np.array([1, 2, 3])
x2 = np.arange(3)
print(x1 == x2)  # 输出: True

# 二维数组
y = np.array([(1, 2, 3), (4, 5, 6)])

NumPy还有实用的文档功能，例如获取 optimize.fmin 函数的文档：

import numpy as np
from scipy import optimize
np.info(optimize.fmin)