在金融量化交易中，下面幾個模塊是應(yīng)用的比較廣泛的

1. numpy (Numberic Python) : 提供大量的數(shù)值編程工具，可以方便的處理：向量矩陣等運(yùn)算，相比高昂的 matlab , NumPy的出現(xiàn)使 Python得到了更多人的青睞。
2. scipy : 更多應(yīng)用于 統(tǒng)計，優(yōu)化，差值，數(shù)值積分，時頻率轉(zhuǎn)換等領(lǐng)域
3. Pandas ： 一條金融數(shù)據(jù)通常包含很多數(shù)據(jù)類型，例如：股票代碼是字符串，收盤價是 浮點(diǎn)數(shù)，成交量是整型
   其中它包含：Series 和 DataFrame 兩種高級數(shù)據(jù)結(jié)構(gòu)。
   💚 Series： 可以認(rèn)為是一維數(shù)據(jù)，但是它可以指定 索引。
   💚 DataFrame：可以認(rèn)為是將 Series 按列合并而成的 二維數(shù)據(jù)結(jié)構(gòu)，每一列單獨(dú)取出來就是一個 Series 。

1. numpy

2. scipy

3. Pandas

3.1 : Series

import pandas as pd
import numpy as np
dates = pd.date_range('20230531',periods = 5)
num = np.random.randn(5)
print("--------------數(shù)組的方式打印date----------------")
print(dates)
print("--------------數(shù)組的方式打印num----------------")
print(num)s_num = pd.Series(num)
print("-------------Series方式打印s_dates-------------")
s_dates = pd.Series(dates)
print(s_dates)
print("-------------Series方式打印s_num--------------")
print(s_num)

3.2： DataFrame

import pandas as pd
import numpy as np
dates = pd.date_range('20230531',periods = 5)df = pd.DataFrame(np.random.randn(5,4),index = dates)
print(df)df_2 = pd.DataFrame(np.random.randn(5,4),index = dates,columns = list('ABCD'))
print(df_2)

代碼示例

import pandas as pd
import numpy as np
dates = pd.date_range('20230531',periods = 5)
num = np.random.randn(5)
print("--------------數(shù)組的方式打印date----------------")
print(dates)
print("\n--------------數(shù)組的方式打印num----------------")
print(num)s_num = pd.Series(num)
print("\n-------------Series方式打印s_dates-------------")
s_dates = pd.Series(dates)
print(s_dates)
print("-------------Series方式打印s_num--------------")
print(s_num)df = pd.DataFrame(np.random.randn(5,4),index = dates)
print(df)df_2 = pd.DataFrame(np.random.randn(5,4),index = dates,columns = list('ABCD'))
print(df_2)