QuantCoder

import matplotlib.pyplot as pltimport numpy as npfrom mpl_toolkits.mplot3d import Axes3DX = np.arange(-4, 4, 0.25)print(X)Y = np.arange(-4, 4, 0.25)X, Y = np.meshgrid(X, Y)R = np.sqrt(X**2 + Y**2)Z = np.sin(R)fig = plt.figure()ax = Axes3D(fig)a

https://www.cnblogs.com/darkknightzh/p/6117528.html

这个问题在处理股票数据的时候会碰到如果不做任何处理，直接绘图，plt会自动填充空缺的时间，图形会看起来很诡异，显然是不对的。如下有一个策略回测曲线图：由于时间长达十年，可能还看不出问题，我们局部放大看看。由于自动填充了休市期间的空值，曲线看起来非常不正常。下面看看经过处理的图形，日期显示数量为10。这样好像也看不出问题，我们放大看。同样在2020年2月这波疫情期间造成的大跌，处理过后的样子和谐多了，连贯多了。代码如下：import pandas as pdimport matpl

# 设置一个初始数据框df1 = [1,2,3,4,5]df2 = [2,3,4,5,6]df = pd.DataFrame({'a':list(df1),'b':list(df2)})print(df) a b 0 1 2 1 2 3 2 3 4 3 4 5 4 5 6下面是滚动函数# 多列滚动函数# handle对滚动的数据框进行处理def handle(x,df,name,n): df = df[name].iloc[x:x+n,:]

import pandas as pddef get_under_rolling(df,window,user,name): df[name] = df[user].iloc[::-1].rolling(window=window).apply(lambda x:x[0]).iloc[::-1] return dfif __name__ == '__main__': df = pd.DataFrame({'a':[1,2,3,4,5],

df.set_index([param.salesOrder, param.product], inplace=True) # 销售订单，型号为主键return_keys = df[df[param.prodVol] < 0].index.unique() # 退货的订单、型号sales_keys = [i for i in df.index.unique().tolist() if i not in return_keys.tolist()] # 反向选择，注意去重return_coun