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://xn--r1a.website/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://xn--r1a.website/python4finance
پایتون برای مالی در بله https://ble.im/python4finance