金融数据分析与挖掘实战练习2.1-2.4

#逻辑运算符
3 and 4

4

3 and 5 and 8  # 如果用and连接多个正整数，那么将显示最后的那个

8

3 and 8 and 5

5

3 or 5 or 8  #如果用or连接多个正整数，那么将显示最前面的那个

3

8 or 5 or 3

8

5 > 3 < 4  #相当于5>3 and 3<4

True

#逻辑否运算 not
5 > 4

True

 not 5 > 4

False

not 3 > 4

True

#思考：下列运算的结果是？
(not 1) or (0 and 1) or (3 and 4) or (5 and 6) or (7 and 8 and 9)

4

# 第2章 科学计算包numpy
# 数组是numpy包的核心，它是由数据类型相同的元素组成。
L = [[1,2],[3,4]]  #嵌套列表
import numpy   #导入numpy包
A = numpy.array(L)  #将列表转化为数组
print(A)

[[1 2]
 [3 4]]

type(A) #查看数据结构

numpy.ndarray

# numpy包的简写
import numpy as np  #将原始可能较长的包名简化成as后面的形式
L1 = [[1,2,3],[4,5,6],[7,8,9]]
A1 = np.array(L1)
print(A1)

[[1 2 3]
 [4 5 6]
 [7 8 9]]

# 2.2 创建数组
d1 = [1,2,3,4,0.1,7]
d2 = (1,2,3,4,2.3)
d3 = [[1,2,3,4],[5,6,7,8]]
d4 = [(1,2,3,4),(5,6,7,8)]
d5 = ((1,2,3,4),(5,6,7,8))

#将上述数据结构转化为数组
d11 = np.array(d1)
print(d11)

[1.  2.  3.  4.  0.1 7. ]

d21 = np.array(d2)
print(d21)

[1.  2.  3.  4.  2.3]

d31 = np.array(d3)
print(d31)

[[1 2 3 4]
 [5 6 7 8]]

# 删除数组用del d1,d2,d3,d4,d5
# 利用内置函数创建数组
# ones(n,m)表示创建一个n行m列全是1的数组
z1 = np.ones((3,4))   #前面np不能掉，后面是双括号
print(z1)

[[1. 1. 1. 1.]
 [1. 1. 1. 1.]
 [1. 1. 1. 1.]]

# zeros(n,m)表示创建一个n行m列元素全为0的数组
z2 = np.zeros((4,3))
print(z2)

[[0. 0. 0.]
 [0. 0. 0.]
 [0. 0. 0.]
 [0. 0. 0.]]

# arange（a,b,c）表示创建一个a为起始值，b-1为终止值，c为步长的一维数组
z3 = np.arange(10)
print(z3)

[0 1 2 3 4 5 6 7 8 9]

z4 = np.arange(2,10) #起始为2，终止为9，步长为1的一维数组
print(z4)

[2 3 4 5 6 7 8 9]

z5 = np.arange(2,10,2)  #起始为2，终止为9 ，步长为2的一维数组
print(z5)

[2 4 6 8]

#2.3 数组尺寸（用行和列表示）
s11 = d11.shape
print(s11)   # 一维数组显示长度，代表有6个元素

(6,)

s31 = d31.shape
print(s31)   #代表2行4列

(2, 4)

z6 = np.ones((5,1))
print(z6)
s61 = z6.shape
print(s61)

[[1.]
 [1.]
 [1.]
 [1.]
 [1.]]
(5, 1)

# 数组的重排 reshape
r1 = z3.reshape((2,5))  #将原始的某个行列维度数组转化为新行列的数组
print(r1)

[[0 1 2 3 4]
 [5 6 7 8 9]]

# 2.4 数组的运算
A = np.array([[1,2],[3,4]])
B = np.array([[5,6],[7,8]])
print(A)

[[1 2]
 [3 4]]

#数组的加减乘除乘方数乘等运算，均为每个位置对应计算
C1  = A - B 
C2  = A + B
C3  = A * B
C4  = A / B
C5  = A / 3
C6  = 1 / A
C7  = A **2
print(C1)   #加减乘除运算是对应位置相加减乘除

[[-4 -4]
 [-4 -4]]

print(C2)

[[ 6  8]
 [10 12]]

print(C3)

[[ 5 12]
 [21 32]]

print(C4)

[[0.2        0.33333333]
 [0.42857143 0.5       ]]

print(C5)

[[0.33333333 0.66666667]
 [1.         1.33333333]]

print(C6)

[[1.         0.5       ]
 [0.33333333 0.25      ]]

print(C7)

[[ 1  4]
 [ 9 16]]

# 标准化运算
C8 = np.array([1,2,3,3.1,4.5,6,7,8,9])
C9 = (C8 - min(C8))/(max(C8)-min(C8)) #对C8的元素进行归一化处理（标准化的一种做法）
print(C9)

[0.     0.125  0.25   0.2625 0.4375 0.625  0.75   0.875  1.    ]

# 其他数学运算
D = np.array([[1,2,3,4],[5,6,7,8],[9,10,11,12],[13,14,15,16]])
E1 = np.sqrt(D)   #对数组每个元素开平方根
print(E1)

[[1.         1.41421356 1.73205081 2.        ]
 [2.23606798 2.44948974 2.64575131 2.82842712]
 [3.         3.16227766 3.31662479 3.46410162]
 [3.60555128 3.74165739 3.87298335 4.        ]]

E2 = np.abs([1,1-2,-100])    # abs是取绝对值
print(E2)

[  1   1 100]

E3 = np.cos(D)  # 求余弦函数
print(E3)

[[ 0.54030231 -0.41614684 -0.9899925  -0.65364362]
 [ 0.28366219  0.96017029  0.75390225 -0.14550003]
 [-0.91113026 -0.83907153  0.0044257   0.84385396]
 [ 0.90744678  0.13673722 -0.75968791 -0.95765948]]

E4 = np.exp(D)   #求指数函数值，e的次方
print(E4)

[[2.71828183e+00 7.38905610e+00 2.00855369e+01 5.45981500e+01]
 [1.48413159e+02 4.03428793e+02 1.09663316e+03 2.98095799e+03]
 [8.10308393e+03 2.20264658e+04 5.98741417e+04 1.62754791e+05]
 [4.42413392e+05 1.20260428e+06 3.26901737e+06 8.88611052e+06]]

# 2.5 数组切片
# 2.5.1 常规数组切片（用索引下角标指定位置范围）
D = np.array([[1,2,3,4],[5,6,7,8],[9,10,11,12],[13,14,15,16]])
# 访问数组中行为1，列为2的元素
D12 = D[1,2]
print(D12)

7

#访问第1,3列元素
D1 = D[:,[1,3]]
print(D1)

[[ 2  4]
 [ 6  8]
 [10 12]
 [14 16]]

D1 = D[ ,[1,3]]   #冒号要写
print(D1)

  File "", line 1
    D1 = D[ ,[1,3]]
            ^
SyntaxError: invalid syntax

#访问第1,3行的元素
D2 = D[[1,3], : ]
print(D2)

[[ 5  6  7  8]
 [13 14 15 16]]