Python Trading – 3 – Wir lernen Numpy

Für den Finanzhandel muss ich lernen, wie man Numpy und Pandas benutzt.

Numpy steht für ein Erweiterungsmodul für “effiziente Abläufe und Arrays von homogenen Daten”.

Ich bekomme ein wenig Angst, wenn ich das lese. Zuerst muss ich Numpy importieren und danach kann ich damit Python-Listen in ein Numpy-Array konvertieren.

Eigentlich kann ich auch mehrdimensionale Arrays erstellen.

np.zeros kann verwendet werden, um ein Array von Variablen vom Typ floating zu erhalten, die den Wert 0 haben.

Dies ist auch für multidimensionale Arrays möglich, z.B. würden np.zeros ((16,16)) 16 Arrays mit 10 schwebenden Nullpunkten erzeugen.

Numpy bietet eine Funktion namens Linspace an, mit der ein Wert in x Räume gleicher Größe (gleichmäßig verteilt) unterteilt werden kann.

np.random.rand kann verwendet werden, um eine Sammlung von Zufallszahlen mit einem Wert zwischen 0 und 1 zu erstellen. In unserem Fall werden wir 11 Zeilen mit 3 Spalten verwenden.

Es gibt zusätzliche Funktionen zum Erstellen von Zufallszahlen, z.B. würde np.random.randint eine oder mehrere zufällige Ganzzahlen erzeugen. In unserem Fall schaffen wir 300 Werte für einen Würfel.

Nachdem wir ein zufälliges Array für Ganzzahlvariablen erstellt haben, können wir den maximalen oder minimalen Wert oder den Index dieser Werte erhalten – wir müssen nur die entsprechenden Funktionen verwenden.

Es ist möglich, grundlegende mathematische Operationen mit diesen Arrays durchzuführen, z.B. um den quadrierten Wert zu erhalten, den man einfach das Array mit sich selbst multiplizieren könnte.

Wenn Sie so etwas wie add_array=some_array+1.2 verwenden würden, würden Sie den Wert 1.2 zu jedem Element im Array hinzufügen.

Und np.sqrt(some_array) würde die Quadratwurzel für jedes Element im Array berechnen.

Der Zugriff auf Elemente im Array funktioniert so, wie wir es bereits aus Listen kennen. Wir verwenden nur den Index…..

Unebene Arrays können durch so genannte Broadcasts modifiziert werden. Grundsätzlich bedeutet das, dass es möglich ist, Teile des Arrays durch einen Wert zu ersetzen, der die ursprünglichen Werte überschreibt.

Wenn die Originalwerte des Quellarrays nicht geändert werden sollen, müssen wir array.copy() verwenden.

Um auf ein Element in einer Matrix zuzugreifen, können wir verschiedene Möglichkeiten nutzen. Die erste ist, die Indexwerte in eckige Klammern zu setzen, die zweite ist, kommagetrennte Werte zu verwenden und wir können auch einen Doppelpunkt verwenden, um Bereiche zu definieren.

Zum Beispiel würde ein Doppelpunkt ohne Werte ein komplettes Array definieren, der Wert vor dem Doppelpunkt ist der Start-Index und der Wert dahinter der End-Index.

Es gibt auch etwas, das als bedingte Auswahl bezeichnet wird. Mit Numpy ist es möglich, eine Teilmenge eines Arrays basierend auf einer Bedingung zu erhalten. Zum Beispiel können wir alle Werte, die größer als 12 oder kleiner als 16 sind, mit einer kurzen Notation erhalten.