量化人需要掌握的Numpy与Pandas

由bqu1vdra创建，最终由bqu1vdra更新于2026-02-26 01:29 被浏览 3 用户

讲Numpy与Pandas的教程不少。Pandas的开发者(Wes Mckinney)还亲自写了一本书，《Python for Data Analysis》，英文电子版在这里。有网友将其翻译成了中文版，都是可免费阅读的。

但是没有一个教程贴合量化场景来讲解Numpy与Pandas的。作为量化人，我们学习Numpy和Pandas是带着任务的，不仅要了解Numpy和Pandas的基础，还需要知道要解决具体的问题，应该怎么办？

下面的问题你可能很熟悉，但可能不知道应该如何实现，或者尽管能够实现功能，但速度却很慢：

在因子分析中，我们有时候需要填充缺失值，有时候需要去掉缺失值所在的行或者列，应该如何操作？
如何计算分时均线？
在计算上影线时，对同一个bars，如果open > close则取open，否则取close参与计算，如果不用循环，如何一行代码实现？
如何计算最大回撤？如果计算滑动窗口下的最大回撤？
通达信公式里有不少经过实战证明是非常有用的例程，如何在Python中实现它们？比如，判断当前的成交量是多少周期以来的最小量？
Alpha 101中，复用了大量像rank这样的例程。如果没有人教，你可能不知道，其实它就是pandas中的rank。不过，numpy中有对应物吗？如果没有，要如何实现？

也有可能是一些对你来说，暂时是比较生僻的用法，但一旦量化入门之后，就可能越来越喜爱它们：

在MPT理论中的求解有效前沿，我们要先初始化各个资产的权重。它们应该是一些随机数，但有一个约束：各个子资产的权重之和必须为1。在这个不起眼的小地方，我们可以使用numpy的direchlet分布来生成一个满足条件的数组。当然，它的更大用处，是基于这个分布生成RL的策略。
在康纳RSI的计算中，需要计算连续涨或跌的次数。如何一行代码高效地实现它？
pivot方法你可能在excel中很熟悉了。但如果没有量化的例子，你也可能觉得在pandas中学不学它无所谓？

这里有一个结合这几年来开发量化框架、阅读几个重要的量化库和开发课程的心得形成的教程：

我们选一段试读一下：

我们可以通过`np.array`的语法来创建一个简单的数组

arr = np.array([1, 2, 3]) 
cprint("create a simple numpy array: {}", arr)

在这个语法中，我们可以提供 Python 列表，或者任何具有 Iterable 接口的对象，比如元组。

很多时候，我们希望 Numpy 为我们创建一些具有特殊值的数组。Numpy 也的确提供了这样的支持，比如：

# 创建特殊类型的数组
cprint("全 0 数组：\n{}", np.zeros(3))
cprint("全 1 数组：\n{}", np.ones((2, 3)))
cprint("单位矩阵：\n{}", np.eye(3))
cprint("由数字 5 填充的矩阵：\n{}", np.full((3,2), 5))

cprint("空矩阵：\n{}", np.empty((2, 3)))
cprint("随机矩阵：\n{}",np.random.random(10))
cprint("正态分布的数组：\n{}",np.random.normal(10))
cprint("狄利克雷分布的数组：\n{}",np.random.dirichlet(np.ones(10)))
cprint("顺序增长的数组：\n{}", np.arange(10))
cprint("线性增长数组：\n{}", np.linspace(0, 2, 9))

生成正态分布数组很有用。我们在做一些研究时，常常需要生成满足某种条件的价格序列，再进一步研究和比较它的特性。\n\n比如，如果我们想研究上升趋势和下降趋势下的某些指标，就需要有能力先构建出符合趋势的价格序列出来。下面的例子就演示了如何生成这样的序列，并且绘制成图形：

import numpy as np
import matplotlib.pyplot as plt

returns = np.random.normal(0, 0.02, size=100)

fig, axes = plt.subplots(1, 3, figsize=(12,4))
c0 = np.random.randint(5, 50)

for i, alpha in enumerate((-0.01, 0, 0.01)):
    r = returns + alpha
    close = np.cumprod(1 + r) * c0
    axes[i].plot(close)

示例中还提到了 Dirichlet（狄利克雷）分布数组。这个数组具有这样的特点，它的所有元素加起来会等于 1。比如，在现代投资组合理论中的有效前沿优化中，我们首先需要初始化各个资产的权重（随机值），并且满足资产权重之和等于 1 的约束（显然！），此时我们就可以使用 Dirichlet分布。

基础知识全部讲到，容易出错的地方给出警示，又与量化场景紧密结合，这样你在工作中遇到类似场景，就能第一时间回想并使用这个知识点，这样是不是效率高很多？

从基础讲到应用，再到性能优化和更高级的架构，可谓数据分析从入门到精通了。

量化人需要掌握的Numpy与Pandas

标签