上海某学院 作业3 python作业 A公司是总部位于北京的一家大型公募基金管理公司，在 2019 年年初发行了一只 QDII基金并主要投资于美国纳斯达克交易所上市的科技公司股票，并且该基金主要的重

NUMPY上练习

A 公司是总部位于北京的一家大型公募基金管理公司，在 2019 年年初发行了一只 QDII基金并主要投资于美国纳斯达克交易所上市的科技公司股票，并且该基金主要的重仓股包括 亚马逊、苹果、微软、谷歌和奈飞等 5 只全球知名科技公司股票，表中列示了这 5 只股 票在 2019 年 5 月 13 日至 5 月 17 日这一交易周的日收盘价格数据。

 

【任务1】

在 Python 中导入 NumPy 模块，将表中亚马逊公司股票的收盘价直接以一维数组的数据结构进行输入；同时，将苹果公司股票收盘价先以列表的数据结构进行创建，然后转换为一维数组。

import numpy as np
amazon_prices_array = np.array([1822.68, 1840.12, 1871.17, 1907.57, 1869.00])
apple__prices = [185.72, 188.66, 190.92, 190.08, 189.00]
apple_prices_array = np.array(apple__prices)

【任务2】

为了提高效率，直接将表中5只股票的收盘价以二维数组的数据结构进行创建；并且查看该数组的形状、维度、元素个数以及元素类型。

stock_prices = [[1822.68, 1840.12, 1871.17, 1907.57, 1869.00],[185.72, 188.66, 190.92, 190.08, 189.00],[123.35,124.73,126.02,128.93,128.07],[1136.59,1124.86,1170.80,1184.50,1168.78]]
stocks_array = np.array(stock_prices)
print("Array shape:", stocks_array.shape)
print("Array dimension:", stocks_array.ndim)
print("Number of elements:", stocks_array.size)
print("Data type of elements:", stocks_array.dtype)

【任务3】

快速创建一个包含整数序列的数组，该序列的初始值是 0，终点值等于任务2创建数组中元素的个数；同时，针对苹果公司的股票价格，生成一个起始值是 2019 年5月13 日的收盘价、终止值是5 月17 日的收盘价并且元素数量是40 的等差序列。

arr_size = 5  
integer_sequence = np.arange(arr_size)
print(integer_sequence)
start_price = 185.72 
end_price =  189.00   
sequence_length = 40

delta = (end_price - start_price) / (sequence_length - 1)

apple_stock_prices = np.linspace(start_price, end_price, sequence_length)

print(apple_stock_prices)

【任务4】

依次创建与任务1、任务 2 中已生成的数组同维度、同形状的零数组以及元素等于1 的数组。

zero_amazon_prices_array = np.zeros_like(amazon_prices_array)
print("Zero Array for Amazon Prices: ", zero_amazon_prices_array)


ones_amazon_prices_array = np.ones_like(amazon_prices_array)
print("Ones Array for Amazon Prices: ", ones_amazon_prices_array)

zero_apple_prices_array = np.zeros_like(apple_prices_array)
print("Zero Array for Apple Prices: ", zero_apple_prices_array)

ones_apple_prices_array = np.ones_like(apple_prices_array)
print("Ones Array for Apple Prices: ", ones_apple_prices_array)



#对于任务二中的 `stocks_array`：

zero_stocks_array = np.zeros_like(stocks_array)
print("Zero Array for Stock Prices: ", zero_stocks_array)


ones_stocks_array = np.ones_like(stocks_array)
print("Ones Array for Stock Prices: ", ones_stocks_array)