Python商业数据分析代码_第1页
Python商业数据分析代码_第2页
Python商业数据分析代码_第3页
Python商业数据分析代码_第4页
Python商业数据分析代码_第5页
已阅读5页,还剩55页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

1.商业数据分析及其工具

importpandasaspd

#读取本地数据

df=pd.readcsvC,/2glkx/data/al2-l.csv*)

#读取网上数据

importpandasaspd

data_url=

“https:〃raw.githubusercontent.com/alstat/Analysis-with-Programming/master/2014

/Python/Numorical-Dcscriptions-of-the-Data/data.csv”

df=pd.read_csv(data_url)

print(df.head())

print(df.tai1())

print(df.columns)

Index([u'Abra',u'Apayao',u'Benguet',u*Ifugao*,u*Kalingcf],dtype=,object*)

#Extractingrownamesortheindex

print(df.index)

Rangeindex(start=0,stop=79,step=l)

#Transposedata

print(df.T)

print(df.ix[:,0].head())现在改版ix用loc

print(df.ix[10:20,0:3])

print(df.drop(df.columns[[2,3]],axis=1).head())

print(df.describe0)

fromscipyimportstatsasss

#Performonesamplet-testusing1500asthetruemean

print(ss.ttest1samp(a=df.ix[:,'Abra'],popmean=15000))

TtestlsampResult(statistical.1281738488299586,pvalue=0.26270472069109496)

print(ss.ttcst_lsamp(a=df,popmean=15000))

importmatplotlib.pyplotaspit

pit.show(df.plot(kind='box'))

1

importseabornassns

#Dotheboxplot

pit.show(sns.boxplot(df))

defadd_2int(x,y):

returnx+y

print(add_2int(2,2))

2Python商业数据的存取

importpandasaspd

importnumpyasnp

apple*,*pear','watch*,'money,]

b=[[l,2,3,4,5],[5,7,8,9,0],[1,3,5,7,9],[2,4,6,8,0]]

d=dict(zip(a,b))

d

p=pd.DataFramc(d)

P

p.to_csv(*F:\\2glkx\\data\\IBM.csv*)

pd.readcsv('F:\\2glkx\\data\\al2-l.csv')

importpandasaspd

importnumpyasnp

df=pd.read_excel(*F:\\2glkx\\data\\al2-2.xls')

df.headO

importpandasaspd

importnumpyasnp

#读取数据并创建数据表,名称为data。

data=pd.DataFrame(pd.readexcel(JG:\\2glkx\\data\\al2-2.xls,))

#查看数据表前5行的内容

data,head()

importtushareasts

df=ts.get_hist_data(?000875,)#从网上取数据

#直接保存

#df.to_csv(,:/2glkx/data/000875.csv')

#选择数据保存

df.to_csv('F:/2glkx/data/000875.csv',columns=[,open','high','low','close*])

importpandasaspd

importnumpyasnp

df=pd.readcsv(*F:/2glkx/data/000875.csv')

2

df.head()

importtushareasts

importos

filename=*F:/2glkx/data/bigfile.csv)

forcodeinf000875,,*600848,,'000981']:

df=ts.gethistdata(code)

ifos.path,exists(filename):

itdf.to_csv(filename,mode='a',header二None)

df.to_csv(filoname,modo=,a')

else:

df.to_csv(filename)

importpandasaspd

importnumpyasnp

df=pd.rcadexccl('F:/2glkx/data/000875.xls')

df.head()

importtushareasts#需先安装tushare程序包

#此程序包的安装命令:pipinstalltushare

importpandasaspd

importnumpyasnp象中

data=pd.DataFrame()

datal=ts.gct_hist_data(,600000,)

并需要修改上面的时间

datal=datalfclose,]

datal=datal[::-l]#按日期从远到近结束

dataf600000']=datal

data2=ts.got_hist_data(,0009801)

data2=data2fclose*]

data2=data2[::-l]

data['000980']=data2

data3=ts.get_hist_data(,000981,)

data3=data3['close']

data3=data3[::-l]

dataf00098T]=data3

data,info0#查看数据情况

data=dala.dropna0

data,info()

data,head0

data,tail()

3

data=dataEf600000),‘000981']]

data,head()

data.ix[l:4]#现在ix改为loc

data.iloc[:2,:3]

importtushareasts

importpandasaspd

pd.setoption(*expand_frame_repr,,False)#显示所有列

ts.settokenCyourtoken*)#获取token号,需要先注册

pro=_api0

stockdata=pro.daily(ts_code=,000001.SZ*,startdate=,20100101,,

end_date=,20190101')

stockdata,head()

importpandasdatareader.dataasweb

importdatetime

start=datetime.datetime(2017,1,1)#获取数据的时间段起始时间

end=datetime,date.today()#获取数据的时间段-结束时间

stock=web.DataReader(,,600797.SS^,“yahoo”,start,end)

#获取浙大网新2017年1月1日至今的股票数

stock.head()#打印DataFrame数据前5行

importpandasaspd

frompandasimportSeries,DataFramc

importnumpyasnp

importmatplotlib.pyplotaspit

frompandas_datareaderimportdata,wh

fromdatetimeimportdatetime

end=datetime.no\v()

start=datetime(end.year-1,end.month,end.day)

df=data.DataReadcrC*600797.SS*,'yahoo',start,end)

dffAdjClose*].plot(legend=True,figsize=(10,4))

pit.show()

importnumpyasnp

importpandasaspd

importpandasdatareader.dataasweb

importdatetime

#获取600797.SS浙大网新数据

4

dfcsvsave=

web.DataReader(“600018.SS","yahoo”,datetime.datetime(2019,1,1),datetime,date.to

day())

print(df_csvsave)

dfcsvsave.tocsv(r*F:\2glkx\data\600018.csv',columns=dfcsvsave,columns,index=

True)

importtushareasts

importpandasaspd

pd.set_option(,expand_frame_repr,,False)#显示所有列

ts.set_token(,yourtoken')#获取token号

pro=ts.proapi()

code」ist=f000001.SZ\*600000.SH1,'()00002.ST]

stockdata=pd.DataFrameO

forcodeincode_list:

print(code)

df=pro.daily(ts_codc=codc,start_date=,2018010T,end_date=,20180104))

stock_data=stock_datci.cippend(df,ignore_index=True)

print(stockdata)

grouped=stock_data.groupby(*ts_code')

print(grouped)

3Python商业数据的图形绘制与可视化

importmatplotlib.pyplotaspit

importpandasaspd

importnumpyasnp

df=pd.readexcel("G:/2glkx/data/al3-1.xls〃)

#或者df=pd.read_excelCG:\\2glkx\\data\\al3-l.xls')

df.headO

fig=plt.figureO

ax=fig.addsubplot(1,L1)

ax.hist(df[JAge*],bins=7)

pit.show()

fig=plt.figureO

ax=fig.addsubplot(1,L1)

ax.hist(df[*Age'],bins=7)

pit.titleCAgedistribution')

5

pit.show()

fig=plt.figure()

ax=fig.add_subplot(l,1.1)

ax.hist(df[*Age*],bins=7)

plt.titleC1Agedistribution')

pit.xlabel(,Age*)

pit.ylabel(JttEmployee*)

pit.show()

fig=plt.figure()

ax二fig.add_subplot(l,1,1)

ax.scatter(dffAge*],df['Sales'])

#Youcanalsoaddmorevariablesheretorepresentcolorandsize.

pit.title(*Age&SalesScatterofEmployee1)

^Variable

pit.xlabel(*Age*)

pit.ylabel(*Sales,)

pit.show()

fig=plt.figure()

ax=fig.addsubplot(1,1,1)

ax.scatter(df[JAge'],df[,Sales*],s=df['Income,])

#Addedthirdvariableincomeassizeofthebubble

pit.xlabel(JAge*)

pit.ylabel('Sales*)

pit.show()

importmatplotlib.pyplotaspit

importpandasaspd

fig二pit.figure()

ax=fig.addsubplot(1,L1)

^Variable

ax.boxplot(dffAge1])

pit.BoxfigureofAge')

pit.show()

vars=[*Age'Sales']

data=df[vars]

pit.show(delta,plot(kind='box'))

importmatplotlib.pyplotaspit

importpandasaspd

6

importnumpyasnp

df=pd.read_excel(^G:/2glkx/data/al3-l.xls")

df.head()

var=df.groupby(['Gender>1).sum().stack()

temp=var.unstack()

x_list=temp[,Sales*]

label_list=temp.index

pit.axis("equal")

pit.pie(xlist)

pit.titie(,zPastafatianismexpenses")

pit.show()

frompylabimport*

#makeasquarefigureandaxes

figure(1,figsize=(6,6.))

ax=axcs([0.1,0.1,0.8,0.8])

fracs=[60,40]#每一块占得比例,总和为100

explode=(0,0.08)#离开整体的距离,看效果

labels='Male',*Female,#对应每一块的标志

pie(fracs,explode=explode,labels=labels,autopct=,%l.If%%,,shadow=True,

startangle=90,colors=("g","r"))

title(*RateofMaleandFemale*)#标题

show()

importmatplotlib.pyplotasplot

importpandasaspd

importnumpyasnp

df=pd.readexcel("G:/2glkx/data/a13T.xls")

df.headO

var=df.groupby(*Gender').Sales.sum()

^groupedsumofsalesatGenderlevel

fig=pit.figure0

axl=fig.addsubplot(1,1,1)

axl.set_xlabelCGender")

axl.set_ylabel('SumofSales')

axl.settitie(^GenderwiseSumofSales")

var.plot(kind='bar*)

var=df.groupby(fBMT,Gender']).Sales.sum()

var.unstack().plot(kind=,bar*,stacked=True,color=[,red','blue*])

importmatplotlib.pyplotasplot

7

importpandasaspd

importnumpyasnp

df=pd.readexcel(,ZG:/2glkx/data/al3-l.xls")

df.head()

var=df.groupbyCBMT).Sales,sum()

fig=plt.figure()

axl=fig.add_subplot(1,1,1)

axl.set_xlabel(*BMT)

axl.sctylabcl(*SumofSales*)

axl.set_title(,,BMIwiseSumofSales")

var.plot(kind』line')

importpandasaspd

importnumpyasnp

data二pd.DataFrame(pd.read_excel(*G:\\2glkx\\data\\al3-3.xls'))

data,head()

t=np.array(data[year*]])

x=np.array(data[[*total*]])

y=np.array(data[[*new*]])

importpylabaspl

pl.plot(t,x)

pl.plot(t,y)

pl.show()

importpylabaspl

pl.plot(t,x)

pl.plot(t,y)

pl.titleC5populationcensus')

pl.xlabel('Time')

pl.ylabel('PopulatioiV)

pl.show()

importpandasaspd

importnumpyasnp

data=pd.DataFrame(pd.read_excel(?G:\\2glkx\\data\\al3-4.xls'))

data,head()

t=np.array(data[fyear,]])

x=np.array(data[['number,]])

importpylabaspl

pl.plot(t,x)

pl.title(>1998-2015ofAlistedcompaniesinchina))

pl.xlabelCTime*)

pl.ylabel('companiesnumbers*)

8

pl.show()

importpandasaspd

importnumpyasnp

importpylabaspl

data=pd.DataFrame(pd.read_excelG:\\2glkx\\data\\al3-4.xls'))

data,head()

t=np.array(data[['year']])

x=np.array(data[['number']])

importpylabaspl

pl.plot(t,x,'ro')

pl.title(>1998-2015ofAlistedcompaniesinchina,)

pl.xlabel('Time')

pl.ylabelCcompaniesnumbers,)

pl.show()

importrandom

importnumpyasnp

importmatplotlibasmpl

importmatplotlib.pyplotaspit

importmatplotlib.datesasmdates

frommpl_toolkits.mplol3dimportAxes3I)

mpl.rcParams[,font,size*]=10

fig=pit.figure()

ax=fig.add_subplot(111,projection='3d')

forzin[2011,2012,2013,2014]:

xs=ranged,13)

ys=1000*np.random,rand(12)

color=plt.cm.Set2(random,choice(range(pit.cm.Set2.N)))

ax.bar(xs,ys,zs=z,zdir=,y,,color=color,alpha=0.8)

ax.xaxis.setmajorlocator(mpl.ticker.FixedLocator(xs))

ax.yeixis.set_major_locator(mpl.ticker.FixedLocator(ys))

ax.setxlabel('Month')

ax.set_ylabel('Year*)

ax.setzlabel(*SalesNet[usd]*)

pit.show()

frommpltoolkits.mplot3dimportAxes3D

frommatplotlibimportcm

importmatplotlib.pyplotaspit

importnumpyasnp

nangles=36

n_radii=8

#Anarrayofradii

9

#Doosnotincluderadiusr=0,thisistoeliminateduplicatepoints

radii=np.1inspace(0.125,1.0,n_radii)

#Anarrayofangles

angles=np.1inspace(0.2*np.pi,n_cingles,endpoint=False)

#Repeatallanglesforeachradius

angles=np.repeat(angles,np.newaxis],n_radii,axis=l)

#Convertpolar(radii,angles)coordstocartesian(x,y)coords

#(0,0)isaddedhere.Therearenoduplicatepointsinthe(x,y)plane

x=np.append(0,(radii*np.cos(tingles)).flatten())

y=np.append(0,(radii*np.sin(anglcs)).flatten())

#Pringlesurface

z=np.sin(-x*y)

fig=pit.figureO

ax=fig.gca(projection^3d1)

ax.plot_trisurf(x,y,z,cmap=cm.jet,1inewidth=O.2)

pit.show()

4Python描述性统计

#两个常用的统计包

importscipy.statsasstats

importnumpyasnp

n我们拿两个数据集来举例

xl=[1,2,2,3,4,5,5,7]

x2=xl+[100]

print('xl的平均值:',sum(xl),',len(xl),,=,,np.mean(xl))

print('x2的平均值:',sum(x2),*/*,len(x2),,=,,np.mean(x2))

xl的平均值:29/8=3.625

x2的平均值:129/9=14.333333333333334

print(*xl的中位数:',rp.median(xl))

print(*x2的中位数:',r.p.median(x2))

print(,Onemodeofxl,stats,mode(xl)[0][0])

#因此我们自定义一个求众数的函数

defmode(l):

#统计列表中每个元素出现的次数

counts={}

forein1:

ifeincounts:

counts[e]+=1

else:

10

counts[e]=1

#返回出现次数最多的元素

maxcount=0

modes-{)

for(key,value)incounts,iterns():

ifvalue>maxcount:

maxcount=value

modes={key}

clifvalue==maxcount:

modes,add(key)

ifmaxcount>1orlen(1)==1:

returnlist(modes)

return'Nomode,

print(*Allofthemodesofxl,mode(xl))

importscipy.statsasstats

importnumpyasnp

#获取收益率数据并计算出mode

start=*2014-01-0r

end='2015-01-01'

pricing=D.historydata('000002.SZA',fields=[,close*],start_date=start,

end_date=end)['close*]

returns=pricing.pct_changc()[1:]

print('收益率众数:',stats,mode(returns))

#由于所有的收益率都是不同的,所以我们使用频率分布来变相计算mode

hist,bins=np.histogram(returns,20)#将数据分成20个bin

maxfreq=max(hist)

n找出哪个bin里面出现的数据点次数最大,这个bin就当做计算出来的mode

print(*Modeofbins:',[(bins[i],bins[i+l])fori,jinenumerate(hist)ifj==

maxfreq])

#使用Scipy包中的gmesn函数来计算几何平均值

printCxl几何平均值:stats,gmean(xl))

print(*x2几何平均值:',stats,gmean(x2))

#在每个元素上增加1来计算几何平均值

importscipy.statsasstats

importnumpyasnp

ratios=returns+np.ones(len(returns))

11

R_G=stats,gmcan(ratios)-1

print('收益率的几何平均值:',RG)

T=len(returns)

initprice=pricingfO.

final_price=pricing[T]

print('最初价格:,,initprice)

print('最终价格:',final_price)

print('通过几何平均收益率计算的最终价格:',init_price*(l+R_G)**T)

print(*xl的调和平均值:',stats,hmean(xl))

print(1x2的调和平均值:',stats.hmean(x2))

importnumpyasnp

np.random.seed(121)

#生成20个小于100的随机整数

X=np.random,randint(100,size=20)

#Sortthem

X=np.sort(X)

printCX:%s'%(X))

mu=np.mean(X)

print('X的平均值:mu)

print(*RcingeofX:%s'%(np.ptp(X)))

abs_dispersion=[np.abs(mu-x)forxinX]

MAD=np.sum(abs_dispersion)/len(abs_dispersion)

print('X的平均绝对偏差:‘,MAD)

printCX的方差:',np.var(X))

print('X的标准差:',np.std(X))

k=1.25#随便举的一个k值

dist=k*np.std(X)

1=[xforxinXifabs(x-mu)<=dist]

print('k值',k,'在k倍标准差距离内的样本为:',内

print('验证float(len(1))/len(X),J>>,1-l/k**2)

#没有现成的计算下偏方差的函数,因此我们手动计算:

lows=[eforeinXife<=mu]

semivar=np.sum((lows-mu)**2)/len(lows)

print('X的下偏方差:',semivar)

print(*X的下偏标准差:’,np.sqrt(semivar))

12

B=19#目标为19

lowsB=[eforeinXife<=B]

semivar_B=sum(map(lambdax:(x-B)**2,lows_B))/len(lows_B)

print(1X的目标下偏方差:',semivar_B)

print('X的目标下偏标准差:’,np.sqrt(semivar_B))

importmatplotlib.pyplotaspit

importnumpyasnp

importscipy.statsasstats

xs=np.1inspace(-6,6,300)

normal=stats,norm,pdf(xs)

pit.plot(xs,normal);

#产生数据

xs2=np.1inspace(stats.lognorm,ppf(0.01,.7,loc=-.1),stats,lognorm,ppf(0.99,.7,

loc=-.1),150)

#偏度>0

lognormal=stats,lognorm,pdf(xs2,.7)

pit.plot(xs2,lognormal,label='Skew>O')

#偏度<0

pit.plot(xs2,lognormal[::-l],label=,Skew<O')

pit.legendO;

并注:本程序在Bigquanl环境中运行。

start='2016-01-01'

end='2018-01-01'

pricing=D.historydata(1000300.SHA',startdate=start,enddate=end,)['close*]

returns=pricing.pct_chango()[1:]

print(*Skew:),stats,skew(returns))

print(,Mean:*,np.mean(returns))

print(*Median,np.median(returns))

pit.hist(returns,30);

fromscipyimportstats

frompandas,coreimportdatetools

importstatsmodels.apiassm#统计相关的库

importnumpyasnp

importpandasaspd

importmatplotlib.pyplotaspit

importtushareasIs#财经数据接口包tushare

IndexData=ts.get_k_data(code=,hs300*,start=,2016-01-0T,end=,2018-08-0T)

13

IndcxData.index=pd.to_datetimc(IndexData.date)

close=IndexDcita.close

returns=(close-close,shift(1))/close.shift(l)

returns=returns.dropnaO

print('Skew:*,stats,skew(returns))

print('Mean:,np.mean(returns))

print(*Median:),np.median(returns))

pit.hist(returns,30)

pit.plot(xs,stats.laplace,pdf(xs),label=,Leptokurtic,)

print尖峰的超额峰度:',(stats,laplace,stats(moments=,k')))

pit.plot(xs,normal,label=,Mesokurtic(normal),)

print(J正态分布超额峰度:',(stats.norm,stats(moments=,k')))

pit.plot(xs,stats,cosine.pdf(xs),label=,Platykurtic*)

print('平峰超额峰度:',(stats,cosine,stats(moments=,k*)))

pit.legend();

fromstatsmodels.stats,stattoolsimportjarque_bera

pvalue,=jarquebera(returns)

ifpvalue>0.05:

printC沪深300收益率数据服从正态分布.’)

else:

printC沪深300收益率数据并不服从正态分布.’)

fields=[,fs_roc_0,]

start_date=>2017-04-21,

enddate=J2017-04-21

instruments=I),instruments(start_date,enddate)

roe=D.features(instruments,startdate,enddate,fields二fields)['fsroe01]

1描述性统计

print('均值:',roe.mean())

print('标准差:',roe.std())

roe.describe()

2绘制直方图

roe.hist(bins=100)

1固定比例法

roe=D.features(instruments,startdatc,enddate,fields=fields)[*fspoeOl]

roe[roe>=roe.quantile(0.99)]=roe.quantile(0.99)

roe[roe<=roe.quantile(0.01)]=roe.quantile(0.01)

print('均值:,roe.mean。)

print('标准差:',roe.std())

14

roe.hist(bins=100)

2均值标准差方法

通常把三倍标准差之外的值都视为异常值,然后将这些异常值重新赋值

roe=0.features(instruments,start_date,end_date,fields:fields)['fs_roe_0']

roe[roe>=roe.mean()+3*roe.std()]=roe.mean()+3*roe.std()

roe[roe<=roe.mean()-3*roe.std()]=roe.mean()-3*roe.stdO

print('均值:',roe.mean。)

print('标准差:',roe.std())

roo.hist(bins=100)

3MAI)方法

roe=D.features(instruments,startdate,enddate,fields=fields)fsroeO1]

roe=roe.dropnaO

median=np.median(list(roe))

MAD=np.mean(abs(roe)-median)

roe=roe[abs(roe-median)/MAD<=6]#剔除偏离中位数6倍以上的数据

print('均值:',roe.mean。)

print('标准差:',roe.$td())

roe.hist(bins=100)

fromstatsmodels.stats,stattoolsimportmedcouple

roe=D.features(instruments,start_date,enddate,fields=fields)fs_roe_01]

roe=roe.dropnaO

defboxplot(data):

#mc可以使用statsmodels包中的medcouple函数直接进行计算

me=medcouple(data)

data,sort()

ql=data[int(0.25*len(data))]

q3=data[int(0.75*len(data))]

iqr=q3-ql

ifme>=0:

1=ql-1.5*np.exp(-3.5*me)*iqr

u=q3+1.5*np.exp(4*me)*iqr

else:

1=ql-1.5*np.exp(-4*me)*iqr

u=q3+1.5*np.exp(3.5*me)*iqr

data=pd.Series(data)

data[data<1]=1

data[data>u]=u

returndata

print('均值',boxplot(list(roe)).mean())

printC标准差',boxplot(list(roe)).std())

boxplot(1ist(roe)).hist(bins=100)

15

5Python参数估计

importnumpyasnp

x=[l,1,0,1,0,0,1,0,1,LI,0,1,1,0,1,0,0,1,0,1,0,1,0,0,1,1,0,1,1,0,1]

theta=np.mean(x)

h=theta/(l-theta)

printCh=',h)

5.3Python单jf态总体均值区间估计

importnumpyasnp

importscipy.statsasss

n=6;p=0.025;sigma=np.sqrt(0.6)

x=[14.6,15.1,14.9,14.8、15.2,15.1]

xbar=np.mean(x)

low=xbar-ss.norm,ppf(q=1-p)*(sigma/np.sqrt(n))

up=xbar+ss.norm,ppf(q=1-p)*(sigma/np.sqrt(n))

print('low=',low)

print('up=,,up)

2.方差。2未知时〃的置信区间

importnumpyasnp

importscipy.statsasss

fromscipy.statsimportt

n=9;p=0.025;s=np.sqrt(1.47)

x=[99.3,98.7,100.5,101.2,98.3,99.7,99.5,102.1,100.5]

xbar二np.mean(x)

low=xbar-ss.t.ppf(l-p,n-l)*(s/np.sqrt(n))

up=xbar+ss.t.ppf(1-p,n-l)*(s/np.sqrt(n))

print('low=',low)

print('up=,,up)

fromscipyimportstats

importnumpyasnp

x=[99.3,98.7,100.5,101.2,98.3,99.7,99.5,102.1,100.5]

stats,t.interval(0.95,len(x)-l,np.mean(x),stats,sem(x))

(99.04599342616191,100.90956212939363)

5.4Python单正态总体方差区间估计

fromscipy.statsimportchi2

n=16;sq=0.0023;p=0.025

low=((n-l)*sq)/chi2.ppf(1-p,n-l)

up=((n-l)*sq)/chi2.ppf(p,n-l)

print(*low=,,low)

16

print('up=,,up)

5.5Python双正态总体均值差区间估计

importnumpyasnp

importscipy.statsasss

x=[628,583,510,554,612,523,530,615]

y=[535,433,398,470,567,480,498,560,503,426]

nl=len(x);n2=len(y)

xbar=np.mean(x);ybar=np.mean(y)

sigmaql=2140;sigmaq2=3250;p=0.025

low=xbar-ybar-ss.norm,ppf(q=1-p)*np.sqrt(sigmaq1/n1+sigmaq2/n2)

up=xbar-ybar+ss.norm,ppf(q=1-p)*np.sqrt(sigmaql/nl+sigmaq2/n2)

print(*low=,,low)

printup=,,up)

2.两方差都未知时两均值的置信区间

importnumpyasnp

importscipy.statsusss

x=[628,583,510,554,612,523,530,615]

y=[535,433,398,470,567,480,498,560,503,426]

nl=l.0*len(x);n2=l.0*len(y)#转为小数

sl=np.var(x);s2=np.var(y)

xbar=np.mean(x);ybar=np.mean(y)

p=0.025

sq=((nl-1)*s1+(n2-l)*s2)/(nl-l+n2-l)

low=xbar-ybar-ss.t.ppf(1-p,nl+n2-2)*np.sqrt(sq*(l/nl+l/n2))

up=xbar-ybar+ss.t.ppf(1-p,nl+n2-2)*np.sqrt(sq*(l/nl+l/n2))

print('low=,,low)

printup=,,up)

5.6Python双正态总体方差比区间估计

importnumpyasnp

fromscipy.statsimportf

x=[20.5,19.8,19.7,20.4;20.1,20.0,19.0,19.93

y=[20.7,19.8,19.5,20.8,20.4,19.6,20.2]

sql=np.var(x);sq2=np.var(y)

nl=8;n2=7;p=0.025

f.ppf(0.025,nl-1,n2-l)

low=sql/sq2*l/f.ppf(1-p,nl-l,n2-l)

up=sql/sq2*l/f.ppf(p,nl-1,n2-l)

printClow=5,low)

print('up=',up)

low=0.142168867371

up=4/p>

17

6Python参数假设检验

6.2Python单个样本t检验

importpandasaspd

importnumpyasnp

#读取数据并创建数据表,名称为data。

data=pd.DataFrame(pd.read_excel(*G:\\2glkx\\data\\al6-l.xls'))

#查看数据表前5行的内容

data,head()

#取sale数据

x=np.array(data[[*sale,]])

mu=np.mean(x)

fromscipyimportstatsasss

printmu,ss.ttcst_lsamp(a=x,popmean=500)

6.3Python两个独立样本t检验

importnumpyasnp

#读取数据并创建数据表,名称为data。

data=pd.DataFrame(pd.readexcel(,G:\\2glkx\\data\\al6-2.xls'))

#查看数据表前5行的内容

x=np.array(datafa*]])

y=np.array(data[['fb']])

fromscipy.statsimportttestind

t,p=ttest_ind(x,y)

print't=',t

print,p=,,p

6.4Python配对样本t检险

importpandasaspd

importnumpyasnp

#读取数据并创建数据表,名称为data。

data二pd.DataFrame(pd.readexcel('G:\\2glkx\\data\\al6-3.xls*))

#查看数据表前5行的内容

x=np.array(data[[*qian*]])

y=np.array(datahou,]])

fromscipy.statsimportttest_rel

18

t,p=ttest_rel(x,y)

print't=',t

print,p=,,p

6.5Python单样本方差假设检脸

importpandasaspd

importnumpyasnp

#读取数据并创建数据表,名称为data。

data=pd.DataFrame(pd.read_excelCG:\\2glkx\\data\\al6-4.xls'))

#查看数据表前5行的内容

data,head0

#取收益率数据

importnumpyasnp

x=np.array(data[[,syl*]])

n=len(x)

#计算方差

s2=np.var(x)

#计算卡方值

chisquare=(n-l)*s2/0.01

printchisquare

python实现卡方分布

fromscipyimportstats

obs=[102,102,96,105,95,100]

exp=[100,100,1D0,100,100,100]

stats.chisquare(obs,fexp=exp)

6.6Python双样本方差假设检验

importpandasaspd

importnumpyasnp

fromscipyimportstats

fromstatsmodels.formula.apiimportols

fromstatsmodels.stats.anovaimportanovalm

在目录G:\2glkx\data下建立a16-5.xls数据文件后,取数的命令如下:

#读取数据并创建数据表,名称为data。

df=pd.DataFrame(pd.read_excelG:\\2glkx\\data\\al6-5.xls'))

#查看数据表前5行的内容

df.head()

19

formula='rcturnA"returnB,《隔离因变量和自变量(左边因变量,右边自变展)

model=ols(formula,df).fit()#根据公式数据建模,拟合

results=anova_Im(model)#计算F和P

printresults

7Python相关分析

7.2使用模拟数据计算变量之间的相关系数和绘图

#导入包

importnumpyasnp

importstatsmodels.tsa.stattoolsassts

importmatplotlib.pyplotaspit

importpandasaspd

importseabornassns

importstatsmodels.apiassm

(1)生成随机变数并绘制图形

X=np.random.randn(lODO)

Y=np.random.randn(lODO)

pit.scatter(X,Y)

pit.show()

print(^correlationofXandYis")

np.corrcoef(X,Y)[0,1]

X=np.random.randn(lOOO)

Y=X+np.random,normal(0,0.1,1000)

pit.scatter(X,Y)

pit.show()

print(^correlationofXandYis")

np.corrcoef(X,Y)[0,1]

7.3使用本地数据计算变量之间的相关系数和绘图

importpandasaspd

importnumpyasnp

#读取数据并创建数据表,名称为data。

data=pd.DataFrame(pd.read_excel(,G:\\2glkx\\data\\al7-l.xls,))

#查看数据表前5行的内容

data,head0

timeadvsale

013550

20

1250100

2356120

3468180

4570175

#取adv和sale数据

x=np.array(data[fadv*]])

y=np.array(data[fsale*]])

importscipy.stats,statsasstats

r=stats.pearsonr(x.y)[0]

Print(r)

7.4使用网上数据计算变量之间的相关系数和绘图

#本程序需在Bigquant平台中运行

#计算两只股票的日收益率

#中国铁建数据

Stockl=

D.history_data(["601186.SHA"],start_date=,2016-12-0T,end_dato=,2017-05-01,,fie

Ids=fclose*])Vclose1].pct_change()[1:]

#中国中铁数据

Stock2=

D.history_data([z,60139D.SHA"],start_date=2016-12-01',end_date=,2017-05-01,,fie

Ids=fclose*])close*].pct_change()[1:]

pit.scatter(Stockl,Stock2)

pit.xlabel(z,601186.SHAdailyreturn*)

plI.ylabel(“601390.SHAdailyreturn*)

pit.show()

print(^thecorrlationfortwostocksis:")

Stock2.corr(

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论