学生身高体重统计分析案例

需求1:
获取所有男生的身高, 求平均值;获取所有女生的身高, 求平均值;并绘制柱状图显示

import numpy as np
from pyecharts import  Bar
fname = "doc/eg6-a-student-data.txt"
dtype = np.dtype([('gender', '|S1'), ('height', 'f2')])
data = np.loadtxt(fname=fname, dtype=dtype, skiprows=9,
                  usecols=(1, 3))
# print(data)
# print(data['gender'])
# print(data['height'])
# print(data['height'][data['gender'] == b'M'].mean())
# print(data['height'][data['gender'] == b'F'].mean())
#


# 判断是否性别为男的表达式
isMale = data['gender'] == b'M'
male_avg_height = data['height'][isMale].mean()
female_avg_height = data['height'][~isMale].mean()
print(male_avg_height, female_avg_height)

bar = Bar(title="不同性别身高的平均值")
bar.add("", ["男", '女'], [male_avg_height, female_avg_height])
bar.render()

在这里插入图片描述

需求2:
获取所有男生的体重, 求平均值;获取所有女生的体重, 求平均值;并绘制柱状图显示

    def parser_weight(weight):
    # 对于体重数据的处理, 如果不能转换为浮点数据类型, 则返回缺失值;
    try:
        return  float(weight)
    except ValueError as e:
        return  -99

fname = "doc/eg6-a-student-data.txt"
dtype = np.dtype([('gender', '|S1'), ('height', 'f2'), ('weight', 'f2')])
data = np.loadtxt(fname=fname, dtype=dtype, skiprows=9,
                  usecols=(1, 3, 4), converters={4:parser_weight})

# 判断是否性别为男的平均身高
isMale = data['gender'] == b'M'
male_avg_height = data['height'][isMale].mean()
female_avg_height = data['height'][~isMale].mean()
print(male_avg_height, female_avg_height)



# 判断是否性别为男的平均体重
is_weight_vaild =  data['weight'] > 0
male_avg_weight = data['weight'][isMale & is_weight_vaild].mean()
female_avg_weight = data['weight'][~isMale & is_weight_vaild].mean()
print(male_avg_weight, female_avg_weight)


bar = Bar(title="不同性别身高的平均值")
bar.add("身高", ["男", '女'], [male_avg_height, female_avg_height])
bar.add("体重", ["男", '女'], [male_avg_weight, female_avg_weight])
bar.render()

import numpy as np
from pyecharts import  Bar

#
# def parser_bps(bps):
#     # 对于体重数据的处理, 如果不能转换为浮点数据类型, 则返回缺失值;
#     try:
#
#         bps = bps.decode('utf-8').split('/')
#         print(bps, type(bps))
#         first_bps = float(bps[0])
#         second_bps = float(bps[1])
#         return first_bps, second_bps
#     except ValueError as e:
#         return -99


def parser_bpd(bpd):
    # 对于体重数据的处理, 如果不能转换为浮点数据类型, 则返回缺失值;
    try:
        return float(bpd)
    except ValueError as e:
        return -99

fname = "doc/eg6-a-student-data.txt"
dtype = np.dtype([('gender', '|S1'),  ('bpd', 'f2')])
data = np.loadtxt(fname=fname, dtype=dtype, skiprows=9,
                  usecols=(1,  6), converters={ 6:parser_bpd})

print(data)

在这里插入图片描述

基于numpy的股价统计分析应用

题目要求:

1. 数据格式介绍:
  第4-8列，分别为股票的开盘价，最高价，最低价，收盘价，成交量。
1. 计算成交量加权平均价格
  概念：成交量加权平均价格，英文名VWAP(Volume-Weighted Average Price，
  成交量加权平均价格）是一个非常重要的经济学量，代表着金融资产的“平均”价格。
  某个价格的成交量越大，该价格所占的权重就越大。VWAP就是以成交量为权重计算出来的加权平均值。np.average(endprice, weights=“成交量”)
1. 计算股票收益率、年波动率及月波动率
  在投资学中，波动率是对价格变动的一种度量，历史波动率可以根据历史价格数据计算得出。
  计算历史波动率时，需要用到对数收益率。
  对数收益率???
  年波动率等于对数收益率的标准差除以其均值，再乘以交易日的平方根，通常交易日取252天。
  月波动率等于对数收益率的标准差除以其均值，再乘以交易月的平方根。通常交易月取12月。

import numpy as np
import math

params1 =  dict(
    fname= "doc/data.csv",
    delimiter=',',  #内容以‘,’进行分隔
    usecols = (6,7),    #读取第几列
    unpack = True  #对提取的内容进行转置

)
# **从字典中解包
print(np.loadtxt(**params1))    #读取的内容以近似字典的形式
endPrice,countNumber = np.loadtxt(**params1)
WAP = np.average(endPrice,weights = countNumber)
print("1.计算成交量加权平均价格：",WAP)

print("***********************************")

params2 =  dict(
    fname= "doc/data.csv",
    delimiter=',',
    usecols = (4,5),
    unpack = True

)
highPrice,lowPrice = np.loadtxt(**params2)
print("2.最高价的最大值：",highPrice.max())
print("2.最低价的最小值：",lowPrice.min())

print("***********************************")
# 近期最高最低价格的极差
print("3.近期最高价格的极差",np.ptp(highPrice))
print("3.近期最低价格的极差",np.ptp(lowPrice))

# 4.计算收盘价的中位数
print("4.计算收盘价的中位数:",np.median(countNumber))
# 5.计算收盘价格的方差
print("5.计算收盘价格的方差:",np.var(countNumber))

# 7.星期？的平均收盘价格

def get_week(date):
    from datetime import datetime
    date = date.decode('utf-8')
    return datetime.strptime(date,"%d-%m-%Y").weekday()

params3 =  dict(
    fname= "doc/data.csv",
    delimiter=',',
    usecols = (1,6),
    converters= {1:get_week},
    unpack = True

)

week,endPrice=np.loadtxt(**params3)
allAvg=[]
for weekday in range(5):
    average = endPrice[week==weekday].mean()
    allAvg.append(average)
    print("7.星期%s的平均收盘价格:%s"%(weekday+1,average))

# 8.平均收盘价的最低是星期
print("8.平均收盘价的最低是星期：",np.argmin(allAvg)+1)
print("8.平均收盘价的最高是星期：",np.argmax(allAvg)+1)


# 6.计算简单收益率，对数收益率，年波动率，月波动率
simpleReturn = np.diff(endPrice)
print("计算简单收益率:",simpleReturn)
logReturn = np.diff(np.log(endPrice))
print("计算对数收益率:",logReturn)

annual_vol = logReturn.std()/logReturn.mean()*np.sqrt(252)
print("年波动率:",annual_vol)

month_vol = logReturn.std()/logReturn.mean()*np.sqrt(12)
print("月波动率:",month_vol)

在这里插入图片描述

numpy案例应用练习

学生身高体重统计分析案例

基于numpy的股价统计分析应用

猜你喜欢