赵走x博客
首页
书籍
软件
工具
古诗词
搜索
登录
29、布林带
28、指数移动平均线
27、简单移动平均线
26、真实波动幅度均值(ATR)
25、周汇总
24、日期分析
23、股票收益率
22、统计分析
21、取值范围:找到最大值和最小值
20、成交量加权平均价格(VWAP)
19、CSV 文件
18、文件读写
17、动手实践:数组的转换
16、数组的属性
15、数组的分割
14、数组的组合
13、动手实践:改变数组的维度
12、动手实践:多维数组的切片和索引
11、一维数组的索引和切片
10、动手实践:创建自定义数据类型
9、dtype 类的属性
8、自定义数据类型
7、字符编码
6、数据类型对象
5、NumPy 数据类型
4、选取数组元素
3、动手实践:创建多维数组
2、NumPy 数组对象
1、动手实践:向量加法
21、取值范围:找到最大值和最小值
资源编号:76363
人工智能
Numpy学习指南
热度:36
通常, 我们不仅仅想知道一组数据的平均值, 还希望知道数据的极值以及完整的取值范 围——最大值和最小值。我们的股价示例数据中已经包含了每天的股价范围——最高价和最低 价。但是,我们还需要知道最高价的最大值以及最低价的最小值。不然,我们怎样才能知道自己 的股票是赚了还是赔了呢?
通常, 我们不仅仅想知道一组数据的平均值, 还希望知道数据的极值以及完整的取值范 围——最大值和最小值。我们的股价示例数据中已经包含了每天的股价范围——最高价和最低 价。但是,我们还需要知道最高价的最大值以及最低价的最小值。不然,我们怎样才能知道自己 的股票是赚了还是赔了呢? # 动手实践:找到最大值和最小值 min函数和max函数能够满足需求。我们按如下步骤来找最大值和最小值。 ### (1) 首先,需要再次读入数据,将每日最高价和最低价的数据载入数组: ``` h, l = np.loadtxt('data.csv', delimiter=',', usecols=(4, 5), unpack=True) ``` 唯一需要修改的就是usecols中的参数,因为最高价和最低价与之前的数据在不同的列中。 # (2) 下方的代码即可获取价格区间: ``` print('highest=', np.max(h)) print('lowest=', np.min(l)) ``` 程序将返回如下结果: ``` highest= 364.9 lowest= 333.53 ``` 现在,计算区间中点就很容易了,留给读者自己尝试练习。 ### (3) NumPy中有一个ptp函数可以计算数组的取值范围。 该函数返回的是数组元素的最大值 和最小值之间的差值。也就是说,返回值等于max(array) - min(array)。调用ptp函数: ``` print('Spread high price', np.ptp(h)) print('Spread low price', np.ptp(l)) ``` 我们将看到如下结果: ``` Spread high price 24.859999999999957 Spread low price 26.970000000000027 ``` # 刚才做了些什么 我们定义了股价的最大值和最小值的取值范围。最大值是在每日最高价数据上使用max函数 得到的,而最低价是在每日最低价数据上使用min函数得到的。我们还用ptp函数计算了极差, 即最大值和最小值之间的差值。