给大家带来的一篇关于Python相关的电子书资源,介绍了关于量化投资、Python方面的内容,本书是由电子工业出版社出版,格式为PDF,资源大小66.7 MB,蔡立耑编写,目前豆瓣、亚马逊、当当、京东等电子书综合评分为:7.4。
《量化投资:以Python为工具》主要讲解量化投资的思想和策略,并借助Python 语言进行实战。《量化投资:以Python为工具》一共分为5 部分,第1 部分是Python 入门,第2 部分是统计学基础,第3 部分是金融理论、投资组合与量化选股,第4 部分是时间序列简介与配对交易,第5 部分是技术指标与量化投资。《量化投资:以Python为工具》首先对Python 编程语言进行介绍,通过学习,读者可以迅速掌握用Python 语言处理数据的方法,并灵活运用Python 解决实际金融问题;其次,向读者介绍量化投资的理论知识,主要讲解量化投资所需的数量基础和类型等方面;最后讲述如何在Python 语言中构建量化投资策略。
Python3.5 Pandas模块之Series用法实例分析
本文实例讲述了Python3.5 Pandas模块之Series用法。分享给大家供大家参考,具体如下: 1、Pandas模块引入与基本数据结构 2、Series的创建 #!/usr/bin/env python# -*- coding:utf-8 -*-# Author:ZhengzhengLiu#模块引入import numpy as npimport pandas as pdfrom pandas import Series,DataFrame#1.Series通过numpy一维数组创建print("=========Series通过numpy一维数组创建==========")arr = np.array([1,2,3,4,5])s1 = pd.Series(arr)print(s1)print(s1.index)print(s1.values)#2.Series直接通过一维数组创建print("=========Series直接通过一维数组创建==========")s2 = pd.Series([10.5,20,38,40])print(s2)#修改索引值s2.index = ['a','b','c','d']print(s2)#Series通过一维数组创建,可以在创建的同时自定义索引值,# 也可以之后……
Python Pandas数据中对时间的操作
Pandas中对 时间 这个属性的处理有非常非常多的操作。 而本文对其中一个大家可能比较陌生的方法进行讲解。其他的我会陆续上传。 应用情景是这样的:考虑到有一个数据集,数据集中有用户注册账号的时间(年-月-日),如下图格式。 如果我们希望对用户账号注册时间转为具体的天数,我们可以用如下代码。 import pandas as pdtd=data['user_reg_tm']Time=pd.to_datetime(td)Start=pd.datetime(2016,4,16)day=Start-Time 最后,把天数插入到原来的表中 data['Day']=day 下面简单的说一下一个时间的创建一些细节。 date=pd.Series(['2016411'])pd.to_datetime(date) 这样就创建一个时间为 2016-4-11的时间值。 这里有个细节,就是字符串里的时间格式,年……
以上就是本次介绍的Python电子书的全部相关内容,希望我们整理的资源能够帮助到大家,感谢大家对码农之家的支持。
上一篇:Java软件结构与数据结构
下一篇:Effective Python:编写高质量Python代码的59个有效方法
展开 +
收起 -
王君浩
Copyright 2018-2020 www.xz577.com 码农之家
版权投诉 / 书籍推广 / 赞助:520161757@qq.com