《Python编程：从入门到实践》第16章收盘价周日均值作图问题？

最新推荐文章于 2024-07-08 15:08:36 发布
原创 最新推荐文章于 2024-07-08 15:08:36 发布 · 656 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#python

一位新手在按照《Python编程：从入门到实践》第16章的指导进行收盘价周日均值作图时遇到问题，周别数值出现异常返回个位数，求助高手解答。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

《Python编程：从入门到实践》第16章收盘价周日均值作图问题？
新人求助，按照书上的步骤写的代码，为啥周别又会重新回到个位数？
照着网上的代码超了运行之后，还是会出现这个问题，实在找不到问题在哪里？求大神指点。!
在这里插入图片描述在这里插入图片描述

Mr.patrick
关注
Python绘图问题：解决柱状图y轴数值排序问题
weixin_38523904的博客
05-11 2万+
事先我们已经得到了一个字典dict，并且对Matplotlib已经进行了引用。blist=[]#定义两个列表clist=[]list=sorted(dict.items(),key=lambda item:item[1])#得到的是一个list,list中的元素是tuplefor i in list:    blist.append(i[0])#把元组中的第一个值添加到blist列表中    cl...
【数据分析】自回归条件异方差（ARCH、GARCH、python代码和解读）
风高秋月白，雨霁晚霞红
08-23 1700
条件异方差。
《Python编程-从入门到实践》16-2-6收盘价均值详解
CyberBatMan2077的博客
08-31 1231
因为书里关于代码的解释部分一直都写得比较详细, 但是到了这一小段后突然说得很省略, 并且引用了几个之前未使用过的函数, 例如zip(), *zip(), lambda, groupby等. 自己也是花了不少时间才把这个代码搞懂, 故记录下来, 既是加深记忆, 也希望能帮到同样有疑惑的同学. 这里面主要是zip()和*zip()函数比较让人费解, 为了避免重复, 大家可先看我的这篇文章, 详细了解这两个函数(其实是同一个函数), 然后再看代码就比较容易懂了. Python中的zip(), *zip()与zi
关于《python编程从入门到实践》P332收盘价均值小结中绘图代码函数报错问题
J_kaiz的博客
08-17 978
def draw_line(x_data, y_data, title, y_legend): xy_map = [] for x, y in groupby(sorted(zip(x_data, y_data)), key=lambda _: _[0]): # 2 y_list = [v for _, v in y] xy_map.append(...
从入门到实践第十六章
xuexi_b的博客
06-29 223
csv模块中包含next()函数，调用它并传入参数（参数应为迭代器）时将返回文件的下一行enumerate()函数，放入一个可迭代对象，返回索引和数据>>>a = [b, c, d, e] >>>list(enumrate(a, start=0)) #从索引0开始 >>>[(0, b), (1, c), (2, d), (3, e)] >...
Python编程从入门到实践_第十六章_下载数据
zj15001的博客
07-21 1202
第十六章：下载数据
用 Python 计算 Hurst 指数并预测市场趋势
Python中文社区
06-01 7316
建造水库是一个高风险的问题。如果计算错误，成千上万的人可能会失去他们的家园。在20世纪中期，英国水文学家埃德温-哈罗德-赫斯特在解决这类问题方面取得了重大突破。他开发了后来被称为Hurst指数的东西，这是一个衡量时间序列中自动相关的指标。虽然它是为了估计河流中的水量而开发，但正如我们所期望的那样，对于涉及时间序列的数学计算，Hurst指数在金融市场研究中得到了有趣的应用。...
股票数据分析（K线图、均值图、MACD图、RSI图）--股票日数据
wodertianna的博客
07-08 6416
对股票数据的k线分析、均线分析、成交量以及MACD和RSI分析，以及股票数据的数据预处理和周期转换。
最优风险资产组合-Python
平平淡淡，戒急用忍，一生学闭嘴。
01-03 7883
最优风险资产组合-Python笔记丁立在简书关注赞赏支持最优风险资产组合-Python笔记最近研究了下最优风险资产组合这个题目。本小白在金融领域是个纯粹的初学者，开始的时候，有点不知所措。 后来在网上找了下计算最优风险资产组合、有效边界、资本市场线的资料以及程序实现。发现资料虽然不少，但是系统的讲解还是不多。也有系统讲解的书，但是感觉并不是很通俗，需要预先打好基础。 所以，经过了一段时间的学习，归纳了参考书的内容，觉得很有必要做下总结笔记，温故而知新。 本文为学习笔记，肯定会有错误或者主观臆想之处，请多多包
使用Python对股票数据进行数据分析(一）-计算日线行情、5日均线、10日均线行情并显示
热门推荐
跬步Python股票数据量化分析
02-29 1万+
使用Python对股票数据进行数据分析(一）-计算日线行情、5日均线、10日均线行情并显示 各种炒股软件上可以显示各种技术指标，可以帮助投资者进行技术分析。这些股市中的这些指标都是怎么计算出来的呢？这里使用python的pandas库来进行计算。后期可能使用一些专门金融分析的库，比如talib库等进行分析。 一、获取数据 这里需要获取的数据是股票的日线行情，这里使用tushare进行获取，以...
《Python编程：从入门到实践》第十六章：下载数据
weixin_45237889的博客
02-13 2720
下载数据 CSV文件格式 分析CSV文件头 打印文件头及其位置 提取并读取数据 绘制气温图表 模块datetime 在图表中添加日期 涵盖更长的时间 再绘制一个数据系列 给图表区域着色 错误检查 制作世界人口地图：JSON格式 下载世界人口数据 提取相关的数据 将字符串转换为数字值 获取两个字母的国别码 制作世界地图 在世界地图上呈现数字数据 绘制完整的世界人口地图 根据人口数量将国家分组 使用P...
python编程从入门到实践2版笔记（第16章）
maxiemei的专栏
07-09 425
1、csv文件格式 import csv from datetime import datetime import matplotlib.pyplot as plt ​ filename = 'data/sitka_weather_2014.csv' with open(filename) as f: reader = csv.reader(f) head_row = next(reader) #分析文件头 ​ #for index,column_header in en...
python编程从入门到实践——数据可视化之下载数据（第16章）
考拉的博客
09-09 2210
项目2：数据可视化之下载数据 摘要 这个章节主要讲怎样去下载和处理一些网上的数据，格式涉及有csv和json，涉及的模块有matplotlib、datatime、Pygal、json、requests、math、itertools、urllib、csv等等。这章主要做数据处理和简单分析，简单介绍下，csv数据下载后获取范围值以日期绘制折线图可观察两条线之间波动范围大小。json大量的数据分析走势，...
[Python编程：从入门到实践] 第十六章：下载数据 习题答案
myqijin的博客
01-02 5099
16-6 国内生产总值：Open Knowledge Foundation 提供了一个数据集，其中包含全球各国的国内生成总值（GDP），可在http://data.okfn.org/data/core/gdp/找到这个数据集。请下载这个数据集的JSON版本，并绘制一个图标，将全球各国最近一年的GDP呈现出来。 """我是用csv版本编的程""" #!/usr/bin/env pytho
【Python编程：从入门到实践】第十六章练习题
King博客
12-24 3845
16-2 比较锡特卡和死亡谷的气温 ：在有关锡特卡和死亡谷的图表中，气温刻度反映了数据范围的不同。为准确地比较锡特卡和死亡谷的气温范围，需要在 y 轴上使用相同的刻度。为此，请修改图 16-5 和图 16-6 所示图表的 y 轴设置，对锡特卡和死亡谷的气温范围进行直接比较（你也可以对任何两个地方的气温范围进行比较）。你还可以尝试在一个图表中呈现这两个数据集。 16-3 降雨量 ：选择你感兴...
PYTHON从入门到实践 16.2.6 出现错误求助
艾真儿的博客
03-22 1367
16.2.6 周日均值图一直出现错误 ![月日均值图](file:///C:/Users/zhenzhen/Desktop/2h%20a%20Day/python_work/matplotlib/btc/%E6%94%B6%E7%9B%98%E4%BB%B7%E6%9C%88%E6%97%A5%E5%9D%87%E5%80%BC%EF%BC%88%EF%BF%A5%EF%BC%89.svg) ![...
假设现在有股票市场的模拟数据列表（每行对应某只股票在某日的数据），其中列名分别为code（股票代码），date（日期），open（开盘价），close（收盘价），high（最高价），low（最低价），volume（交易量）。目标变量Y为第二天收盘价相对于前一天收盘价的变化率（需要答题人自行构建）试题 一、(5分)创建Final.ipynb，使用pandas.read_csv函数读取所给数据。 二、(15分)训练数据的搭建：构建一个numpy.array，使得每行数字对应某只股票在某天的所有特征变量值，并把结果储存在train_X变量中,把这些行对应的Y值储存在train_Y中。使用相同方法构建测试数据，结果分别储存在变量test_X和test_Y中。 三、(10分)利用主成分分析算法(Principal Component Analysis)对数据样本，即train_X进行降维，结果储存在train_encodes变量中。作图显示explained total variance ratio，其中每一个点的横坐标为主成分的序数，纵坐标为从第一个到当前的主成分的explained variance ratio之和。 文字回答问题：（5分）保留的主成分的个数越多越好吗？你是如何选择保留的主成分个数的？ 四、（5分）利用第三题中训练好的pca模型对test_X进行降维，结果储存在test_encodes中。 五、（10分）针对train_encodes，使用K-means Clustering算法将train_X中的样本分为2类。 六、（12分）基于train_X及train_Y，搭建训练神经元网络，并在test_X和test_Y上计算出分类正确率并输出结果。 说明：调节超参数时（如网络层数和节点个数）不可使用测试数据test_X和test_Y。 文字回答问题：(3分)根据模型表现，是否存在过拟合现象？为什么？ 七、（10分）基于train_encodes及train_Y，搭建训练神经元网络，并在test_encodes和test_Y上计算出分类正确率并输出结果。 文字回答问题：（10分）模型的test accuracy是多少？根据你的结果，PCA是否帮助提升了模型的预测正确率？ 八、（15分）文字回答问题：在分类问题上，K-means clustering和神经元网络模型的优劣分别是什么？
最新发布
04-01
或者题目中的Y是回归问题，但第六题的问题提到“分类正确率”，所以可能Y需要被转化为分类变量，例如，如果第二天的收盘价变化率为正，则Y=1，否则Y=0。所以在问题二中，构建Y的时候，可能需要将其二值化。例如，Y =...
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值