آشنایی با کتابخانه Numpy
خب، تا اینجا با کتابخانه های پایتون آشنا شدیم. یکی از مهترین کتابخانه های پایتون نام پای است. این کتابخانه که بخش های مختلفی از آن با C و ++C نوشته است، در مقایسه با پایتون خالص، سرعت عمکلرد بسیار بهتری برای کار با ماتریس ها و بردارها دارد.
از آنجایی که سری های زمانی یک بردار چند در یک هستند (داده های پنل هم ماتریس چند در چند هستند) استفاده از Numpy برای ما بسیار حیاتی است.
هدف اصلی NumPy فراهم ساختن امکان کار با آرایه‌های چندبعدی همگن است. این آرایه‌ها جدولی از عناصر (معمولاً اعداد) هستند که همگی از یک نوع می‌باشند و با یک چندتایی، از اعداد صحیح مثبت اندیس‌گذاری می‌شوند.
توجه داریم که در پایتون آرایه ها به معنی سایر زبان های برنامه نویسی پشتیبانی نمی شوند و فقط لیست ها را داریم. به کمک Numpy امکان استفاده از آرایه ها و اعمال مرتبط با آن در پایتون فراهم می شود.


#پایتون_مالی
#سری_زمانی
#NumPy

پایتون برای مالی در تلگرام https://t.me/python4finance
پایتون برای مالی در بله https://ble.im/python4finance

آشنایی با کتابخانه Numpy

برای تعریف یک آرایه در Numpy به شیوه زیر عمل می کنیم.
import numpy as np
a = np.array([2,3,4])
در این مثال فوق یک بردار یک در سه تشکیل می شود. دقت داریم که همه عناصر همگن هستند. در مثال فوق همه اعضا int هستند.
در مثال زیر، یک ماتریس 2 در 3 تشکیل می شود. چون یکی از اعضا اعشاری است ؛ نوع عناصر آرایه اعشار Float خواهد بود.
import numpy as np
b = np.array([(1.5,2,3), (4,5,6)])
با استفاده از متد dtype می توانیم نوع عناصر ماتریس را دریافت کنیم.
#پایتون_مالی
#سری_زمانی
#NumPy

پایتون برای مالی در تلگرام https://t.me/python4finance
پایتون برای مالی در بله https://ble.im/python4finance

چند جمله ای های شگفت انگیز
توابع با درجه های مختلف و چند جمله ای ها یکی از مهترین ابزارهای ما در مدلسازی مالی و اقتصادی هستند. در خصوص ساخت توابع قبلا صحبت کرده ایم. فرض کنید می خواهیم تابع x^2+8x+15 را ایجاد کنیم و از آن استفاده کنیم. یک راه ساخت تابع به روش سنتی با استفاده از دستور def است. اما راه آسان تر استفاده از تابع poly1d از ماژول Numpy است. شما در این روش هم می توانید به صورت صحیح مقادیر پارمترهای معادله را مشخص کنید و هم با استفاده از ریشه های معادله آن را ایجاد کنید. برای توضیح بیشتر به مثالی که در شکل بالا آمده است مراجعه نمایید.
#پایتون_مالی
#چند_جمله ای
#تابع
#Numpy
#Poly1d

پایتون برای مالی در تلگرام
https://t.me/joinchat/AAAAAFGMkouqbsb86Vfzug
پایتون برای مالی در بله
https://ble.im/python

اسلاید آموزش Numpy و Scipy

اگر با پایتون کار کرده باشید، حتما با کتابخانه های numpy و scipy سروکار داشته اید. این دو کتابخانه تقریبا کتابخانه های بنیادی برای کارهای علمی هستند.
در این اسلاید آموزشی، توضیحات کاملی در خصوص کار با این کتابخانه ها داده شده است.

#اسلاید_آموزشی
#Numpy
#SciPy
#پایتون_مالی

پایتون برای مالی در تلگرام
https://t.me/joinchat/AAAAAFGMkouqbsb86Vfzug

محاسبه رگرسیون با Numpy
قبلا در خصوص محاسبه رگرسیون با استفاده از scipy یا statsmodels صحبت کرده بودیم. برای محاسبه رگرسیون می توانیم از کتابخانه Numpy هم استفاده کنیم. برای این منظور از تابع polyfit استفاده می شود.
در تصویر این پست، کد نمونه و نتیجه حاصله نمایش داده شده است.

#رگرسیون
#پایتون_مالی
#Numpy

پایتون برای مالی در تلگرام
https://t.me/joinchat/AAAAAFGMkouqbsb86Vfzug

فراخوانی داده های فایل در Numpy
عموما برای دریافت داده های فایل ها (csv یا Excle و ...) از کتابخانه Pandas استفاده می کنیم. اما کتابخانه Numpy خود توانایی واکشی داده ها از فایل های txt و csv را دارد. در واقع فایل های csv نوعی از فایل های txt هستند که داده های هر ستون با علامت کاما «,» و هر سطر با اینتر «n\» از هم جدا شده اند. فرض کنید قیمت های close یک سهم را به ترتیب در یک فایل csv ذخیره کرده ایم، شیوه فراخوانی داده ها و انجام محاسبات مانند تصویر فوق خواهد بود.
فایل های این پست را در پست بعدی، می توانید مشاهده نمایید.
نکته: از آنجایی که در مثال ذکر شده فقط یک ستون وجود دارد نیازی به استفاده از delimiter نبود، اما برای نمایش شکل کلی تابع ذکر شده است.

#پایتون_مالی
#فراخوانی_فایل
#نامپای
#Numpy


پایتون برای مالی در تلگرام
https://t.me/joinchat/AAAAAFGMkouqbsb86Vfzug

فراخوانی داده های فایل در Numpy

فایل های مربوط به پست بالا

#پایتون_مالی
#فراخوانی_فایل
#نامپای
#Numpy


پایتون برای مالی در تلگرام
https://t.me/joinchat/AAAAAFGMkouqbsb86Vfzug

یک تابع بسیار جالب در Numpy
یکی از توابع جالب ماژول Numpy تابع fromfunction است. کاربرد این تابع وقتی است که می خواهیم تاثیر همزمان دو متغیر را در مدل شبیه سازی کنیم. برای دقیق تر شدن بحث ماتریسی را فرض کنید که سطرهای آن مقادیر X و ستون های آن مقادیر Y را نشان می دهند و ما تابعی را بر اساس مقادیر XوY مقدار دهی می کنیم.
برای سادگی موضوع تابع f=x*y را در نظر بگیرید. به کمک این تابع و تابع fromfunction به راحتی می توانیم یک جدول ضرب را شبیه سازی کنیم.

#پایتون_مالی
#numpy
#fromfunction

@python4finance

100 تمرین برای مرور Numpy
در فایل ضمیمه این پست، 100 تمرین برای مرور Numpy در قالب یک فایل Notebook ارائه شده است. سختی و آسانی سوالات با علامت ستاره در جلوی هر سوال مشخص شده است.
در پست بعد، پاسخ سوالات ارائه می شود.

#پایتون_مالی
#نام_پای
#تمرین


#Numpy
#exercises

پایتون برای مالی در تلگرام
https://t.me/joinchat/AAAAAFGMkouqbsb86Vfzug

پاسخ 100 تمرین برای مرور Numpy (لینک سوالات)


#پایتون_مالی
#نام_پای
#تمرین


#Numpy
#exercises

پایتون برای مالی در تلگرام
https://t.me/joinchat/AAAAAFGMkouqbsb86Vfzug

حل دستگاه معادلات (چند معادله چند مجهول) در Numpy
یکی از روش های حل سیستم‌های معادلات خطی، استفاده از روش ماتریسی است به این صورت که ضرایب متغیرها را در یک ماتریس و نتیجه را در ماتریس دیگر می نویسیم و به وسیله جبر ماتریس ها، متغیرها را محاسبه می کنیم.
در مثال این پست، یک دستگاه معادلات با سه متغیر و سه مجهول توسط Numpy حل شده است.

#دستگاه معادلات
#معادلات خطی
#مدلسازی_مالی
#پایتون_مالی
#Numpy



✅عضویت در کانال پایتون برای مالی
t.me/python4finance

دستور جادویی pylab%
عموما در بیشتر کارها ماژول های Numpy و Matplotib را فراخوانی می کنیم. اگر می خواهید از import هر باره این ماژول ها خلاص شوید می توانید از دستور جادویی pylab% استفاده کنید. تقریبا این دستور معادل دستورات زیر است:
from numpy import *
from matplotlib import *
(البته توجه داریم این دستور را داخل notebook یا ipython باید اجرا کنیم)

#ژوپیتر
#دستور_جادویی

#Notebook
#Numpy
#Matplotlib
#python_for_finance

پایتون برای مالی در تلگرام
t.me/joinchat/AAAAAFGMkouqbsb86Vfzug

عدم نمایش اعداد به صورت نماد علمی در Numpy
یکی از سوالاتی که این چند وقت برخی از همراهان کانال از من پرسیده بودند این است که هنگام کار با Numpy، داده ها با نماد علمی نمایش داده می شوند. چگونه می توان داده ها را به صورت اعشاری ساده نمایش داد؟
برای این کار کافی است عبارت np.set_printoptions(suppress=True) را در برنامه خود درج کنید.
در تصویر این پست این موضوع با یک مثال ساده نمایش داده شده است.

#نماد_علمی
#Numpy
t.me/python4finance

جستجوی یک مقدار در آرایه
خیلی از اوقات می خواهیم یک شرط خاص را بر روی یک آرایه numpy بررسی کنیم. البته استفاده از یک حلقه و بررسی تک تک مقادیر با If یک راه مقدماتی است اما در numpy برای این مسئله تابع where ارائه شده است. به کمک این تابع می توانید یک شرط خاص را روی تمامی اعضای یک آرایه لحاظ کنید.
در مثال این پست در بین اعداد 1 تا 100 ، اعدادی که باقیمانده مجذور آنها به اضافه سه تقسیم بر هفت ((a**2+3)%7==0) برابر صفر می شود یا اعدادی که مضرب هشت هستند را انتخاب می کنیم.

#پایتون_مالی
#numpy
#where


✅عضویت در کانال پایتون برای مالی
t.me/joinchat/AAAAAFGMkouqbsb86Vfzug

برگه خلاصه مرور ماژول Numpy
نامپای اصلی ترین ماژول برای کار با آرایه‌ها و کارهای ریاضی ماتریسی است. در این فایل، مروری سریع بر توابع اصلی ماژول Numpy شده است.


#خلاصه_مرور
#برگه_تقلب
#پایتون_مالی
#Numpy
#DataCamp

✅عضویت در کانال پایتون برای مالی
https://t.me/joinchat/AAAAAFGMkouqbsb86Vfzug

یک تابع جالب در Numpy برای کار با آرایه ها
یکی از نکاتی که در هنگام کار با آرایه ها با آن مواجه هستیم، الحاق آرایه ها یا همان concatenation است. قبلا در خصوص تابع concate با هم صحبت کرده بودیم. یکی دیگر از توابع جالبی که برای این موضوع استفاده می شود تابع numpy.r_ است. با کمک این تابع می توان به راحتی آرایه ها را به صورت سطری تلفیق کرد. کار جالب دیگر این تابع، ساخت سری اعداد درست مانند arange است. در مثال این پست با چند نمونه از امکانات این تابع آشنا می شوید.

#آرایه
#الحاق

#Numpy
#concatenation
#concate

✅عضویت در کانال پایتون برای مالی
t.me/python4finance

ساخت آرایه بر اساس مقادیر تکراری مشخص!
در خصوص numpy پیش از این مفصل صحبت کرده ایم. البته امکانات این ماژول بسیار زیاد است و معمولا همه توابع آن در کارهای روزانه استفاده نمی شود. یکی از توابع جالب این ماژول، تابع repeat است. (به نوعی برعکس تابع unique عمل می کند) با استفاده از این تابع می توان آرایه با مقادیر تکراری مشخص ساخت. در مثال این پست کارکرد این تابع جالب نمایش داده شده است.
#numpy
#repeat


پایتون برای مالی
🆔 t.me/python4finance