python系统学习【第三课】

接下来要给大家介绍的系列中包含了Python在量化金融中运用最广泛的几个Library:

• numpy
• scipy
• pandas
• matplotlib

会给初学者一一介绍

NumPy 简介

一、NumPy是什么？

量化分析的工作涉及到大量的数值运算，一个高效方便的科学计算工具是必不可少的。Python语言一开始并不是设计为科学计算使用的语言，随着越来越多的人发现Python的易用性，逐渐出现了关于Python的大量外部扩展，NumPy (Numeric Python)就是其中之一。NumPy提供了大量的数值编程工具，可以方便地处理向量、矩阵等运算，极大地便利了人们在科学计算方面的工作。另一方面，Python是免费，相比于花费高额的费用使用Matlab，NumPy的出现使Python得到了更多人的青睐。

我们可以简单看一下如何开始使用NumPy：

import numpy
numpy.version.full_version
# 输出 '1.8.0'

我们使用了import命令导入了NumPy，并使用numpy.version.full_version查出了量化实验室里使用的NumPy版本为1.8.0。在往后的介绍中，我们将大量使用NumPy中的函数，每次都添加numpy在函数前作为前缀比较费劲，在之前的介绍中，我们提及了引入外部扩展模块时的小技巧，可以使用**from numpy import ***解决这一问题。

那么问题解决了？慢！Python的外部扩展成千上万，在使用中很可能会import好几个外部扩展模块，如果某个模块包含的属性和方法与另一个模块同名，就必须使用import module来避免名字的冲突。即所谓的名字空间（namespace）混淆了，所以这前缀最好还是带上。

那有没有简单的办法呢？有的，我们可以在import扩展模块时添加模块在程序中的别名，调用时就不必写成全名了，例如，我们使用np作为别名并调用version.full_version函数：

import numpy as np
np.version.full_version
# 输出 '1.8.0'

二、初窥NumPy对象：数组

NumPy中的基本对象是同类型的多维数组（homogeneous multidimensional array），这和C++中的数组是一致的，例如字符型和数值型就不可共存于同一个数组中。先上例子：

a = np.arange(20)

这里我们生成了一个一维数组a，从0开始，步长为1，长度为20。Python中的计数是从0开始的，R和Matlab的使用者需要小心。可以使用print查看：

print a

# 输出 numpy.ndarray

通过函数reshape，我们可以重新构造一下这个数组，例如，我们可以构造一个4*5的二维数组，其中reshape的参数表示各维度的大小，且按各维顺序排列（两维时就是按行排列，这和R中按列是不同的）：

a = a.reshape(4, 5)
print a

[[ 0 1 2 3 4]
[ 5 6 7 8 9]
[10 11 12 13 14]
[15 16 17 18 19]]

构造更高维的也没问题:

a = a.reshape(2, 2, 5)
print a

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

[[10 11 12 13 14]
[15 16 17 18 19]]]

既然a是array，我们还可以调用array的函数进一步查看a的相关属性：ndim查看维度；shape查看各维度的大小；size查看全部的元素个数，等于各维度大小的乘积；dtype可查看元素类型；dsize查看元素占位（bytes）大小。

a.ndim
# 输出 3

a.shape
# 输出 (2, 2, 5)

a.size
# 输出 20

a.dtype
# 输出dtype('int64')

三、创建数组

数组的创建可通过转换列表实现，高维数组可通过转换嵌套列表实现：

raw = [0,1,2,3,4]
a = np.array(raw) 
a
# array([0, 1, 2, 3, 4])

raw = [[0,1,2,3,4], [5,6,7,8,9]]
b = np.array(raw)
b
# array([[0, 1, 2, 3, 4],
[5, 6, 7, 8, 9]])

一些特殊的数组有特别定制的命令生成，如4*5的全零矩阵：

d = (4, 5)
np.zeros(d)
array([[ 0.,  0.,  0.,  0.,  0.],
[ 0.,  0.,  0.,  0.,  0.],
[ 0.,  0.,  0.,  0.,  0.],
[ 0.,  0.,  0.,  0.,  0.]])

默认生成的类型是浮点型，可以通过指定类型改为整型：

d = (4, 5)
np.ones(d, dtype=int)
array([[1, 1, 1, 1, 1],
[1, 1, 1, 1, 1],
[1, 1, 1, 1, 1],
[1, 1, 1, 1, 1]])

[0, 1)区间的随机数数组：

np.random.rand(5)
array([ 0.93807818,  0.45307847,  0.90732828,  0.36099623,  0.71981451])

四、数组操作

简单的四则运算已经重载过了，全部的+，-，*，/运算都是基于全部的数组元素的，以加法为例：

a = np.array([[1.0, 2], [2, 4]])
print "a:"
print a
b = np.array([[3.2, 1.5], [2.5, 4]])
print "b:"
print b
print "a+b:"
print a+ba:[[ 1.  2.]
[ 2.  4.]]
b:[[ 3.2  1.5]
[ 2.5  4. ]]
a+b:[[ 4.2  3.5]
[ 4.5  8. ]]

这里可以发现，a中虽然仅有一个与元素是浮点数，其余均为整数，在处理中Python会自动将整数转换为浮点数（因为数组是同质的），并且，两个二维数组相加要求各维度大小相同。当然，NumPy里这些运算符也可以对标量和数组操作，结果是数组的全部元素对应这个标量进行运算，还是一个数组：

print "3 * a:"
print 3 * a
print "b + 1.8:"
print b + 1.8
3 * a:[[  3.   6.]
[  6.  12.]]
b + 1.8:[[ 5.   3.3]
[ 4.3  5.8]]

类似C++，+=、-=、*=、/=操作符在NumPy中同样支持：

a /= 2
print a
[[ 0.5  1. ]
[ 1.   2. ]]

开根号求指数也很容易：

print "a:"
print a
print "np.exp(a):"
print np.exp(a)
print "np.sqrt(a):"
print np.sqrt(a)
print "np.square(a):"
print np.square(a)
print "np.power(a, 3):"
print np.power(a, 3)a:[[ 0.5  1. ]
[ 1.   2. ]]
np.exp(a):[[ 1.64872127  2.71828183]
[ 2.71828183  7.3890561 ]]
np.sqrt(a):[[ 0.70710678  1.        ]
[ 1.          1.41421356]]
np.square(a):[[ 0.25  1.  ]
[ 1.    4.  ]]
np.power(a, 3):[[ 0.125  1.   ]
[ 1.     8.   ]]

需要知道二维数组的最大最小值怎么办？想计算全部元素的和、按行求和、按列求和怎么办？for循环吗？不，NumPy的ndarray类已经做好函数了：

a = np.arange(20).reshape(4,5)
print "a:"
print a
print "sum of all elements in a: " + str(a.sum())
print "maximum element in a: " + str(a.max())
print "minimum element in a: " + str(a.min())
print "maximum element in each row of a: " + str(a.max(axis=1))
print "minimum element in each column of a: " + str(a.min(axis=0))a:[[ 0  1  2  3  4]
[ 5  6  7  8  9]
[10 11 12 13 14]
[15 16 17 18 19]]
sum of all elements in a: 190
maximum element in a: 19
minimum element in a: 0
maximum element in each row of a: [ 4  9 14 19]
minimum element in each column of a: [0 1 2 3 4]

科学计算中大量使用到矩阵运算，除了数组，NumPy同时提供了矩阵对象（matrix）。矩阵对象和数组的主要有两点差别：一是矩阵是二维的，而数组的可以是任意正整数维；二是矩阵的操作符进行的是矩阵乘法，乘号左侧的矩阵列和乘号右侧的矩阵行要相等，而在数组中操作符进行的是每一元素的对应相乘，乘号两侧的数组每一维大小需要一致。数组可以通过asmatrix或者mat转换为矩阵，或者直接生成也可以：

a = np.arange(20).reshape(4, 5)
a = np.asmatrix(a)
print type(a)b = np.matrix('1.0 2.0; 3.0 4.0')
print type(b)
<class 'numpy.matrixlib.defmatrix.matrix'=""><class 'numpy.matrixlib.defmatrix.matrix'="">

再来看一下矩阵的乘法，这使用arange生成另一个矩阵b，arange函数还可以通过arange(起始，终止，步长)的方式调用生成等差数列，注意含头不含尾。

b = np.arange(2, 45, 3).reshape(5, 3)
b = np.mat(b)
print b
[[ 2  5  8]
[11 14 17]
[20 23 26]
[29 32 35]
[38 41 44]]

有人要问了，arange指定的是步长，如果想指定生成的一维数组的长度怎么办？好办，linspace就可以做到：
np.linspace(0, 2, 9)
array([ 0. , 0.25, 0.5 , 0.75, 1. , 1.25, 1.5 , 1.75, 2. ])

回到我们的问题，矩阵a和b做矩阵乘法：

print "matrix a:"
print a
print "matrix b:"
print b
c = a * b
print "matrix c:"
print cprint c

matrix a:[[ 0  1  2  3  4]
[ 5  6  7  8  9]
[10 11 12 13 14]
[15 16 17 18 19]]
matrix b:[[ 2  5  8]
[11 14 17]
[20 23 26]
[29 32 35]
[38 41 44]]
matrix c:[[ 290  320  350]
[ 790  895 1000]
[1290 1470 1650]
[1790 2045 2300]]

五、数组元素访问

数组和矩阵元素的访问可通过下标进行，以下均以二维数组（或矩阵）为例：

a = np.array([[3.2, 1.5], [2.5, 4]])
print a[0][1]
print a[0, 1]
1.51.5

可以通过下标访问来修改数组元素的值：

b = a
a[0][1] = 2.0
print "a:"
print a
print "b:"
print ba:[[ 3.2  2. ]
[ 2.5  4. ]]
b:[[ 3.2  2. ]
[ 2.5  4. ]]

现在问题来了，明明改的是a[0][1]，怎么连b[0][1]也跟着变了？这个陷阱在Python编程中很容易碰上，其原因在于Python不是真正将a复制一份给b，而是将b指到了a对应数据的内存地址上。想要真正的复制一份a给b，可以使用copy：

a = np.array([[3.2, 1.5], [2.5, 4]])
b = a.copy()
a[0][1] = 2.0
print "a:"
print a
print "b:"
print ba:[[ 3.2  2. ]
[ 2.5  4. ]]
b:[[ 3.2  1.5]
[ 2.5  4. ]]

若对a重新赋值，即将a指到其他地址上，b仍在原来的地址上：

a = np.array([[3.2, 1.5], [2.5, 4]])
b = a
a = np.array([[2, 1], [9, 3]])
print "a:"
print a
print "b:"
print ba:[[2 1]
[9 3]]
b:[[ 3.2  1.5]
[ 2.5  4. ]]

利用:可以访问到某一维的全部数据，例如取矩阵中的指定列：

a = np.arange(20).reshape(4, 5)
print "a:"
print a
print "the 2nd and 4th column of a:"
print a[:,[1,3]]a:[[ 0  1  2  3  4]
[ 5  6  7  8  9]
[10 11 12 13 14]
[15 16 17 18 19]]
the 2nd and 4th column of a:[[ 1  3]
[ 6  8]
[11 13]
[16 18]]

稍微复杂一些，我们尝试取出满足某些条件的元素，这在数据的处理中十分常见，通常用在单行单列上。下面这个例子是将第一列大于5的元素（10和15）对应的第三列元素（12和17）取出来：
a[:, 2][a[:, 0] > 5]
array([12, 17])

可使用where函数查找特定值在数组中的位置：

loc = numpy.where(a==11)
print loc
print a[loc[0][0], loc[1][0]]
(array([2]), array([1]))11

六、数组操作

还是拿矩阵（或二维数组）作为例子，首先来看矩阵转置：

a = np.random.rand(2,4)
print "a:"
print a
a = np.transpose(a)
print "a is an array, by using transpose(a):"
print a
b = np.random.rand(2,4)
b = np.mat(b)
print "b:"
print b
print "b is a matrix, by using b.T:"
print b.Ta:[[ 0.17571282  0.98510461  0.94864387  0.50078988]
[ 0.09457965  0.70251658  0.07134875  0.43780173]]
a is an array, by using transpose(a):[[ 0.17571282  0.09457965]
[ 0.98510461  0.70251658]
[ 0.94864387  0.07134875]
[ 0.50078988  0.43780173]]
b:[[ 0.09653644  0.46123468  0.50117363  0.69752578]
[ 0.60756723  0.44492537  0.05946373  0.4858369 ]]
b is a matrix, by using b.T:[[ 0.09653644  0.60756723]
[ 0.46123468  0.44492537]
[ 0.50117363  0.05946373]
[ 0.69752578  0.4858369 ]]

矩阵求逆：

import numpy.linalg as nlg
a = np.random.rand(2,2)
a = np.mat(a)
print "a:"
print a
ia = nlg.inv(a)
print "inverse of a:"
print ia
print "a * inv(a)"
print a * iaa:[[ 0.86211266  0.6885563 ]
[ 0.28798536  0.70810425]]
inverse of a:[[ 1.71798445 -1.6705577 ]
[-0.69870271  2.09163573]]
a * inv(a)[[ 1.  0.]
[ 0.  1.]]

求特征值和特征向量

a = np.random.rand(3,3)
eig_value, eig_vector = nlg.eig(a)
print "eigen value:"
print eig_value
print "eigen vector:"
print eig_vectoreigen value:[ 1.35760609  0.43205379 -0.53470662]
eigen vector:[[-0.76595379 -0.88231952 -0.07390831]
[-0.55170557  0.21659887 -0.74213622]
[-0.33005418  0.41784829  0.66616169]]

按列拼接两个向量成一个矩阵：

a = np.array((1,2,3))
b = np.array((2,3,4))
print np.column_stack((a,b))
[[1 2]
[2 3]
[3 4]]

在循环处理某些数据得到结果后，将结果拼接成一个矩阵是十分有用的，可以通过vstack和hstack完成：

a = np.random.rand(2,2)
b = np.random.rand(2,2)
print "a:"
print a
print "b:"
print a
c = np.hstack([a,b])
d = np.vstack([a,b])
print "horizontal stacking a and b:"
print c
print "vertical stacking a and b:"
print da:[[ 0.6738195   0.4944045 ]
[ 0.25702675  0.15422012]]
b:[[ 0.6738195   0.4944045 ]
[ 0.25702675  0.15422012]]
horizontal stacking a and b:[[ 0.6738195   0.4944045   0.28058267  0.0967197 ]
[ 0.25702675  0.15422012  0.55191041  0.04694485]]
vertical stacking a and b:[[ 0.6738195   0.4944045 ]
[ 0.25702675  0.15422012]
[ 0.28058267  0.0967197 ]
[ 0.55191041  0.04694485]]

七、缺失值

缺失值在分析中也是信息的一种，NumPy提供nan作为缺失值的记录，通过isnan判定。

a = np.random.rand(2,2)
a[0, 1] = np.nan
print np.isnan(a)
[[False  True]
[False False]]nan_to_num可用来将nan替换成0，在后面会介绍到的更高级的模块pandas时，我们将看到pandas提供能指定nan替换值的函数。
print np.nan_to_num(a)
[[ 0.58144238  0.        ]
[ 0.26789784  0.48664306]]

NumPy还有很多的函数，想详细了解可参考链接

http://wiki.scipy.org/Numpy_Example_List

和http://docs.scipy.org/doc/numpy
最后献上NumPy SciPy Pandas Cheat Sheet