interpolatepython

㈠ 怎麼用python計算股票

作為一個python新手，在學習中遇到很多問題，要善於運用各種方法。今天，在學習中，碰到了如何通過收盤價計算股票的漲跌幅。
第一種：
讀取數據並建立函數：
import numpy as np
import matplotlib.pyplot as plt
from scipy.interpolate import spline
from pylab import *
import pandas as pd
from pandas import Series
a=pd.read_csv('d:///1.csv',sep=',')#文件位置

t=a['close']
def f(t):
s=[]
for i in range(1,len(t)):
if i==1:
continue
else:
s.append((t[i]-t[i-1])/t[i]*100)
print s
plot(s)

plt.show()
f(t)
第二種：
利用pandas裡面的方法：
import pandas as pd

a=pd.read_csv('d:///1.csv')
rets = a['close'].pct_change() * 100
print rets

第三種：
close=a['close']
rets=close/close.shift(1)-1
print rets

總結：python是一種非常好的編程語言，一般而言，我們可以運用構建相關函數來實現自己的思想，但是，眾所周知，python中裡面的有很多科學計算包，裡面有很多方法可以快速解決計算的需要，如上面提到的pandas中的pct_change()。因此在平時的使用中應當學會尋找更好的方法，提高運算速度。

㈡ r語言的bs()對應python里的哪個的函數

對應 python pandas 的iloc()函數

㈢ python 3D散點太密集怎麼辦

#三維點插值
#在三維空間中，利用實際點的值推算出網格點的值
import numpy as np
point_grid =np.array([[0.0,0.0,0.0],[0.4,0.4,0.4],[0.8,0.8,0.8],[1.0,1.0,1.0]])#網格點坐標def func(x, y, z): return x*(1-x)*np.cos(4*np.pi*x) * (np.sin(4*np.pi*y**2)**2)*z

points = np.random.rand(10, 3)#實際點坐標values = func(points[:,0], points[:,1],points[:,2])#實際點的值from scipy.interpolate import griddata
grid_z0 = griddata(points, values, point_grid, method='nearest')#插值計算，計算出網格點的值！

㈣ python 拉格朗日插值 不能超過多少個值

拉格朗日插值Python代碼實現

1. 數學原理

對某個多項式函數有已知的k+1個點，假設任意兩個不同的都互不相同，那麼應用拉格朗日插值公式所得到的拉格朗日插值多項式為：

直接編寫程序，可以直接插值，並且得到對應的函數值。但是不能得到系數，也不能對其進行各項運算。

上述代碼中，h(x,y,a)就是插值函數，直接調用就行。參數說明如下：

• x,y分別是對應點的x值和y值。具體詳解下解釋。

• a為想要取得的函數的值。

事實上，最簡單的拉格朗日插值就是兩點式得到的一條直線。

例如：

p點(1,0)q點(0,2)

這兩個點決定了一條直線，所以當x=2的時候，y應該是-2

該代碼就是利用這兩個點插值，然後a作為x=2調用函數驗證的。

3. 引用庫

3.1 庫的安裝

主要依賴與 scipy。官方網站見：https://www.scipy.org/install.html

安裝的方法很簡單，就是使用pip install scipy 如果失敗，則將whl文件下載到本地再利用命令進行安裝。

可能如果沒有安裝numpy

3.2 庫的使用

from scipy.interplotate import lagrange

直接調用lagrange(x,y)這個函數即可，返回 一個對象。

參數x,y分別是對應各個點的x值和y值。

例如：(1,2) (3,5) (5,9)這三個點，作為函數輸入應該這么寫：

x＝[1,3,5]

y =[2, 5, 9]

a=lagrange(x,y)

直接輸出該對象，就能看到插值的函數。

利用該對象，能得到很多特性。具體參見：https://docs.scipy.org/doc/numpy-1.12.0/reference/generated/numpy.poly1d.html

• a.order得到階

• a[]得到系數

• a()得到對應函數值

• 此外可以對其進行加減乘除運算

3.3 代碼實現

1234567
fromscipy.interpolateimportlagrangex=[1,2,3,4,7]y=[5,7,10,3,9]a=lagrange(x,y)print(a)print(a(1),a(2),a(3))print(a[0],a[2],a[3])

結果是：

<class 'numpy.lib.polynomial.poly1d'> 4
4 3 2
0.5472 x - 7.306 x + 30.65 x - 47.03 x + 28.13
5.0 7.0 10.0
28.1333333333 30.6527777778 -7.30555555556

解釋：

<class 'numpy.lib.polynomial.poly1d'> 4

這一行是輸出a的類型，以及最高次冪。

4 3 2
0.5472 x - 7.306 x + 30.65 x - 47.03 x + 28.13

第二行和第三行就是插值的結果，顯示出的函數。

第二行的數字是對應下午的x的冪，如果對應不齊，則是排版問題。

5.0 7.0 10.0

第四行是代入的x值，得到的結果。

也就是說，用小括弧f(x)的這種形式，可以直接得到計算結果。

28.1333333333 30.6527777778 -7.30555555556

㈤ 擬合直方圖與Python問題，怎麼解決

用代碼解決：
import numpy as np
import matplotlib.pyplot as plt
from scipy.interpolate import interp1d
import scipy.stats as st

sim = st.gamma(1,loc=0,scale=0.8) # Simulated
obs = st.gamma(2,loc=0,scale=0.7) # Observed
x = np.linspace(0,4,1000)
simpdf = sim.pdf(x)
obspdf = obs.pdf(x)
plt.plot(x,simpdf,label='Simulated')
plt.plot(x,obspdf,'r--',label='Observed')
plt.title('PDF of Observed and Simulated Precipitation')
plt.legend(loc='best')
plt.show()

plt.figure(1)
simcdf = sim.cdf(x)
obscdf = obs.cdf(x)
plt.plot(x,simcdf,label='Simulated')
plt.plot(x,obscdf,'r--',label='Observed')
plt.title('CDF of Observed and Simulated Precipitation')
plt.legend(loc='best')
plt.show()

# Inverse CDF
invcdf = interp1d(obscdf,x)
transfer_func = invcdf(simcdf)

plt.figure(2)
plt.plot(transfer_func,x,'g-')
plt.show()

㈥ 在Python程序中的插值誤差問題，怎麼解決

代碼如下所示：import numpy as npfrom matplotlib import pyplot as pltfrom scipy.interpolate import interp1dx=np.linspace(0,10*np.pi,num=20)y=np.sin(x)f1=interp1d(x,y,kind='linear')#線性插值f2=interp1d(x,y,kind='cubic')#三次樣條插值x_pred=np.linspace(0,10*np.pi,num=1000)y1=f1(x_pred)y2=f2(x_pred)plt.figure()plt.plot(x_pred,y1,'r',label='linear')plt.plot(x,f1(x),'b--','origin')plt.legend()plt.show()plt.figure()plt.plot(x_pred,y2,'b--',label='cubic')plt.legend()plt.show()

㈦ Python如何畫盒子圖與其它圖形同軸

mport pandas as pd #導入pandas
import matplotlib.pyplot as plt
import numpy as np
from scipy import interpolate
#fig,axes = plt.subplots(1,2,figsize=(8,4))
fig, (ax1, ax2) = plt.subplots(nrows=1, ncols=2,sharex=True, figsize=(6, 3))
n_wrms_before_filtering=[]
e_wrms_before_filtering=[]
u_wrms_before_filtering=[]
n_wrms_after_filtering=[]
e_wrms_after_filtering=[]
u_wrms_after_filtering=[]
lines = open("D:\軟體安裝\SoftwareFile\Pycharm\PycharmProjects\\boxplot\data\wrms_neu1.dat", 'r').readlines()
for i in range(len(lines)):
# split data
fields = lines[i].split(' ')
n_wrms_before_filtering.append(float(fields[0]))
e_wrms_before_filtering.append(float(fields[1]))
u_wrms_before_filtering.append(float(fields[2]))
lines = open("D:\軟體安裝\SoftwareFile\Pycharm\PycharmProjects\\boxplot\data\wrms_neu2.dat", 'r').readlines()
for i in range(len(lines)):
# split data
fields = lines[i].split(' ')
n_wrms_after_filtering.append(float(fields[0]))
e_wrms_after_filtering.append(float(fields[1]))
u_wrms_after_filtering.append(float(fields[2]))
labels = 'N','E','U' #圖例
p1=ax1.boxplot([n_wrms_before_filtering, e_wrms_before_filtering, u_wrms_before_filtering],widths = 0.8,labels = labels,patch_artist = True)
color = ['#515151', '#f14040', '#1a6fdf'] # 有多少box就對應設置多少顏色
for box, c in zip(p1['boxes'], color):
# 箱體邊框顏色
box.set(color=c, linewidth=1.5)
# 箱體內部填充顏色
box.set(facecolor=c)
# 這里設置的是各個box的其他屬性
for whisker in p1['whiskers']:
whisker.set(color='#180405', linewidth=1.5)
for cap in p1['caps']:
cap.set(color='#180405', linewidth=1.5)
for median in p1['medians']:
median.set(color='#180405', linewidth=1.5)
for flier in p1['fliers']:
flier.set(marker='o', color='y', alpha=0.5)
labels = 'N','E','U' #圖例
p2=ax2.boxplot([n_wrms_after_filtering, e_wrms_after_filtering, u_wrms_after_filtering],widths = 0.8,labels = labels,patch_artist = True)
color = ['#515151', '#f14040', '#1a6fdf'] # 有多少box就對應設置多少顏色
for box, c in zip(p2['boxes'], color):
# 箱體邊框顏色
box.set(color=c, linewidth=1.5)
# 箱體內部填充顏色
box.set(facecolor=c)
# 這里設置的是各個box的其他屬性
for whisker in p2['whiskers']:
whisker.set(color='#180405', linewidth=1.5)
for cap in p2['caps']:
cap.set(color='#180405', linewidth=1.5)
for median in p2['medians']:
median.set(color='#180405', linewidth=1.5)
for flier in p2['fliers']:
flier.set(marker='o', color='y', alpha=0.5)
ax1.set(xlabel='Directions', ylabel='WRMS/mm')
ax2.set(xlabel='Directions', ylabel='WRMS/mm')
ax1.set_title('Before filtering')
ax2.set_title('After filtering')
plt.tight_layout()
#plt.subplots_adjust(left=0.129, bottom=0.11, right=0.9, top=0.88,wspace=0.2, hspace=0.2)
#plt.show()
plt.savefig('D:\軟體安裝\SoftwareFile\Pycharm\PycharmProjects\\boxplot\\123', dpi=600)