为了账号安全,请及时绑定邮箱和手机立即绑定

走进Python量化交易--入门篇

袁霄 Python工程师
难度初级
时长 1小时33分
学习人数
综合评分9.53
22人评价 查看评价
9.5 内容实用
9.5 简洁易懂
9.6 逻辑清晰
  • cmd /k E:\python\python2\python2.exe "$(FULL_CURRENT_PATH)" &PAUSE &EXIT

    查看全部
    3 采集 收起 来源:课程开发环境

    2018-09-29

  • cmd /k C:\Python27\python.exe "$(FULL_CURRENT_PATH)" & PAUSE & EXIT

    查看全部
    1 采集 收起 来源:课程开发环境

    2020-10-21

  • 股票数据特殊值处理的方法:

    股票数据精度处理:                                                                          df_csvload=df_csvload.applymap(lambda x:'%0.2f'%x)其中'%0.2f'f表示浮点数,0.2表示保留两位小数。lambda x省去定义函数的过程,让代码更精简。applymap作用到的是dataframe中的所有数据  df_csvload.Volume = dafre_csvload.ix[:,['Volume']].apply(lambda x:'%0.0f'%x)其中apply作用到的是某一列。dafre_csvload.ix[:,['Volume']]是种切片方式。                                                           

    df_csvload = df_csvloadround(2) 其中2表示保留两位小数         df_csvload.Volume = df_csvloda.Volume.astype(int)表示Valume列保留整数

    print(df_csvload[df_csvload.values == 0]                                      print(df_csvload[df_csvload.High.isin([0])] 都能筛选出0值所在的位置

    df_csvload.loc[df_csvload.loc[:,'High]==0,'High']=df_csvload.High.median()表示用High这一列的中位值填充High这一列为0的值。


    查看全部
  • 股票数据规整化处理的方法:

    股票数据内容概况查看:                                                                    head():df_csvload.head(3)查看前三行                                              tail():df_csvload.tail(3)查看后三行                                                    shape:df_csvload.shape查看数据有几行几列                                    describe():df_csvload.describe()各列数据的统计情况df_csvload.info()查看缺失的情况                                                  df_csvload.isnull()的返回的值True代表缺失,False代表未缺失            df_csvload[df_csvload.isnull().T.any()]可以筛选出有数据缺失的行

        缺失值的处理:                                                                             df_csvload=df_csvload.dropna(axis=0,how='all')0代表行,1代表列,'all'代表如果该行全是缺失值则删除该行,'any'代表如果该行存在缺失值则删除该行。还有一个参数可以设置成如果该行的缺失值大于多少个时删除该行。

    df_csvload=df_csvload.fiillna(method='ffill',akis=0,inplace=True),其中'ffill'表示以该列的上一个值填充,'bfill'表示以该列的下一个值填充。0表示列,1表示行。True表示改变原dataframe,False表示不改变

    查看全部
  • 内容是我想看的

    查看全部
    1 采集 收起 来源:课程总体介绍

    2018-09-26

  • 这一节的干货很多

    查看全部
    1 采集 收起 来源:课程总体介绍

    2018-09-26

  • https://img1.sycdn.imooc.com/658c2058000193f310710613.jpg

    量化交易

    查看全部
  • sss

    查看全部
  • 规整化处理

    查看全部
  • import numpy as np

    import pandas as pd

    import pandas_datareader.data as web

    import datetime

    df_csvsave = web.DataReader("601233", "yahoo",datetime(2018,1,1),datetime.date.today())

    查看全部
  • dataframe 赋值 ndarray

    查看全部
  • help ("modules")


    查看全部
    0 采集 收起 来源:课程开发环境

    2020-03-10

  • 版   本:Python 2.7

    工   具:Notepad++

    三方库:Numpy、Pandas

    查看全部
    0 采集 收起 来源:课程开发环境

    2020-01-10

  • series数据访问方式:

    s.values

    s.index

    s['a']

    s[['a','b']]

    s[:2]

    查看全部
  • 量化交易过程

    查看全部
首页上一页12345下一页尾页

举报

0/150
提交
取消
课程须知
1、针对仅具有Python编程基础,对数据处理分析、金融量化交易感兴趣、计划编写自己的量化交易系统,或者准备从事基于Python应用的相关行业的人群。 2、仅需具备Python编程基础即可,课程中会从基础讲解所涉及到的技术知识。
老师告诉你能学到什么?
1、了解量化交易的发展、本质、优势、过程和意义 2、掌握Python第三方数据分析工具Pandas库的数据处理方法 3、掌握应用Pandas库以文件导入和爬虫下载方式获取股票数据 4、掌握应用Pandas库实现股票数据的处理方法

微信扫码,参与3人拼团

意见反馈 帮助中心 APP下载
官方微信
友情提示:

您好,此课程属于迁移课程,您已购买该课程,无需重复购买,感谢您对慕课网的支持!