在python里，{},[],()，等都等价于False！ if dict: print 'not Empty'
#计算方法： #bias指标 #N期BIAS=(当日收盘价-N期平均收盘价)/N期平均收盘价*100% df['bias_6'] = (df['close'] - df['close'].rolling(6, min_periods=1).mean())/ df['close'].rolling(6, min_periods=1).mean()*100 df['bias_12'] = (df['close'] - df['close'].rolling(12, min_periods=1).mean())/ df['close'].roll...
#macd指标 def get_macd_data(data,short=0,long1=0,mid=0): if short==0: short=12 if long1==0: long1=26 if mid==0: mid=9 data['sema']=pd.Series(data['close']).ewm(span=short).mean() data['lema']=pd.Series(data...
low_list = df['最低价'].rolling(9, min_periods=9).min() low_list.fillna(value = df['最低价'].expanding().min(), inplace = True) high_list = df['最高价'].rolling(9, min_periods=9).max() high_list.fillna(value = df['最高价'].expanding().max(), inplace = True) rsv = (df['收盘价'] - low_list...
0.摘要 pandas中fillna()方法，能够使用指定的方法填充NA/NaN值。 1.函数详解 函数形式：fillna(value=None, method=None, axis=None, inplace=False, limit=None, downcast=None, **kwargs) 参数： value：用于填充的空值的值。 method： {'backfill', 'bfill', 'pad', 'ffill', None}, default None。定义了填充空值的方法， pad / ffill表示用前面行/列的值，填充当前行/列的...
在Numpy与Pandas中的标准差求法的不同在于ddof的不同。 ddof：贝塞尔（无偏估计）矫正系数。 在Pandas中的处理： DataFrame.std(axis=None, skipna=None, level=None, ddof=1, numeric_only=None, **kwargs) →它求的是样本无偏标准差 在Numpy中的处理： numpy.std(a, axis=None, dtype=None, out=None, ddof=0, keepdims=) →它求的是样本标准差 numpy.std() 求标准差的时...
1、fit 用于计算训练数据的均值和方差， 后面就会用均值和方差来转换训练数据 2、fit_transform 不仅计算训练数据的均值和方差，还会基于计算出来的均值和方差来转换训练数据，从而把数据转换成标准的正太分布 3、transform 很显然，它只是进行转换，只是把训练数据转换成标准的正态分布 一般使用方法： a) 先用fit scaler = preprocessing.StandardScaler().fit(X) 这一步可以得到scaler，scaler里面存的有计算出来的均值和方差 ...
有兴趣研究可以点开https://pandas.pydata.org/pandas-docs/stable/user_guide/indexing.html#returning-a-view-versus-a-copy，这个报警主要是在说，当你在采用这种链式赋值时，当你修改df_1时，df也可能随之变化 3、简单代码复现问题 import pandas as pd import numpy as np df = pd.DataFrame(np.random.randint(1,10,(4,5)),columns=["A","B","C...
df.reset_index(drop=True)仅仅只是去除了原本的索引，但是并没有替换,df的索引会有部分缺失。 若要直接替换，应该是这样df.reset_index(drop=True,inplace=True)
Python2.6 开始，新增了一种格式化字符串的函数 str.format()，它增强了字符串格式化的功能。 基本语法是通过 {} 和 : 来代替以前的 % 。 format 函数可以接受不限个参数，位置可以不按顺序。 >>>"{} {}".format("hello", "world") # 不设置指定位置，按默认顺序 'hello world' >>> "{0} {1}".format("hello", "world") # 设置指定位置 'hello world' >>> "{1...
numpy.rad2deg(array, out) **参数** 数组：这些是要计算其度数值的角度。 Out：这是输出数组的形状。 **返回** 它返回一个数组, 其中包含输入数组中给定的弧度的等效度角。 **举例** import numpy as np import math arr = [0, math.pi/2, math.pi/4, math.pi/6 ] print ("Input array : \n", arr) degval = np.rad2deg(ar...
因子的IC 和IR这两个概念经常出现于较为专业的量化研报中， 但其概念却少有人能说清楚。 这里我就来介绍一下IC/IR的概念， 业余策略研究者在了解这两个概念后， 就能无障碍地阅读量化研报， 并将自己的研究水平提高一个层次。 1.什么是IC/IR？ IC：信息系数（Information Coefficient，简称 IC），代表因子预测股票收益的能力。IC的计算方法是：计算全部股票在调仓周期期初排名和调仓周期期末收益排名的线性相关度（Correlation）。IC越大的因子，选股能力就越强。 IR：信息比率（Information Ratio,简称IR）= IC的多周...