量化应用技巧
在量化交易中，NumPy主要用于高效的数据计算和向量化操作。处理大规模价格数据时， 使用NumPy的向量化运算比循环快数十倍。建议熟练掌握这些基础操作以提升代码效率。
A-1 NumPy速查表
Python量化编程速查
📊 数组创建
| 函数 | 说明 | 示例 |
|---|---|---|
np.array() |
从列表或元组创建数组 | np.array([1, 2, 3]) |
np.zeros() |
创建全零数组 | np.zeros((3, 4)) |
np.ones() |
创建全一数组 | np.ones((2, 3)) |
np.arange() |
创建等差数列 | np.arange(0, 10, 2) |
np.linspace() |
创建线性间隔数组 | np.linspace(0, 1, 5) |
np.random.randn() |
生成标准正态分布随机数 | np.random.randn(3, 3) |
🔧 数组操作
| 操作 | 说明 | 示例 |
|---|---|---|
reshape() |
改变数组形状 | arr.reshape(3, 4) |
transpose() |
转置数组 | arr.T |
concatenate() |
连接数组 | np.concatenate([a, b]) |
split() |
分割数组 | np.split(arr, 3) |
flatten() |
展平数组为一维 | arr.flatten() |
📈 数学运算
| 函数 | 说明 | 示例 |
|---|---|---|
np.sum() |
求和 | np.sum(arr, axis=0) |
np.mean() |
求平均值 | np.mean(arr) |
np.std() |
标准差 | np.std(arr) |
np.var() |
方差 | np.var(arr) |
np.dot() |
矩阵乘法 | np.dot(a, b) |
np.corrcoef() |
相关系数矩阵 | np.corrcoef(a, b) |
🔍 索引与切片
| 操作 | 说明 | 示例 |
|---|---|---|
arr[i, j] |
获取单个元素 | arr[0, 1] |
arr[i:j] |
切片 | arr[1:5] |
arr[mask] |
布尔索引 | arr[arr > 5] |
arr[:, 0] |
列索引 | arr[:, 0] |
np.where() |
条件索引 | np.where(arr > 5) |
💡