大數(shù)據(jù)DT 提供大數(shù)據(jù)、AI等領(lǐng)域干貨學習資源的「寶藏號」，跟50萬技術(shù)人共同成長，一起玩轉(zhuǎn)大數(shù)據(jù)、Python、數(shù)據(jù)分析、數(shù)據(jù)科學、人工智能！還會有各種好玩又奇葩的數(shù)據(jù)解讀，邊學習邊吃瓜！ 510篇原創(chuàng)內(nèi)容 公眾號 導(dǎo)讀：SciPy是基于NumPy的，提供了更多的科學計算功能，比如線性代數(shù)、優(yōu)化、積分、插值、信號處理等。 來源：大數(shù)據(jù)DT（ID：hzdashuju）
目前在國內(nèi)Matlab仍然非常流行，Matlab使用的數(shù)據(jù)格式通常是.mat文件。對此，Scipy.io包提供了可以導(dǎo)入導(dǎo)出.mat文件的接口，這樣，Python和Matlab的協(xié)同工作就變得非常容易了。示例代碼如下所示：from scipy import io as spio
import numpy as np
a=np.arange(10)
spio.savemat('a.mat',{'a':a})
data = spio.loadmat('a.mat', struct_as_record=True)
data['a']
array([[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]])
在SciPy中，線性代數(shù)運算使用的是scipy.linalg。scipy.linalg.det()可用于計算矩陣的行列式，示例代碼如下：from scipy import linalg
m=np.array([[1,2],[3,4]])
linalg.det(m)
求解最大值最小值之類的問題即為優(yōu)化問題，在SciPy中，scipy.optimization提供了最小值、曲線擬合等算法。示例代碼如下：import numpy as np
from scipy import optimize
import matplotlib.pyplot as plt
def f(x):
return x**2+20*np.sin(x)
x=np.arange(-10,10,0.1)
plt.plot(x,f(x))
由圖3-1中可以看到，對應(yīng)的最小值的橫坐標大約是-2。grid=(-10,10,0.1)
x_min=optimize.brute(f,(grid,))
x_min
Out:
array([-1.42754883])
當然，當數(shù)據(jù)量較大的時候，窮舉法速度會很慢。為了提高效率，scipy.optimize也提供了諸如模擬退火等優(yōu)化算法，這里不再多講。關(guān)于作者：趙志強，金融量化與建模專家，目前在金融科技公司負責金融大數(shù)據(jù)產(chǎn)品工作，專注于研究Al在金融領(lǐng)域的落地應(yīng)用。曾在由諾獎得主Robert Engle領(lǐng)導(dǎo)的上海紐約大學波動研究所研究全球金融風險，并和上交所、中金所合作完成多項科研項目。曾在摩根士丹利華鑫基金、明汯投資負責量化投資研究工作，內(nèi)容包括股票多因子、期貨CTA和高頻交易等。劉志偉，在中國銀聯(lián)云閃付事業(yè)部從事數(shù)據(jù)分析、數(shù)據(jù)挖掘等工作。對自然語言處理、文本分類、實體識別、關(guān)系抽取、傳統(tǒng)機器學習，以及大數(shù)據(jù)技術(shù)棧均有實踐經(jīng)驗。目前正在探索相關(guān)技術(shù)在金融場景內(nèi)的落地應(yīng)用，包括自動知識圖譜、大規(guī)模文本信息抽取結(jié)構(gòu)化、異常識別等領(lǐng)域，關(guān)注人工智能行業(yè)前沿技術(shù)發(fā)展。本文摘編自《Python量化投資：技術(shù)、模型與策略》，本文摘編自《Python量化投資：技術(shù)、模型與策略》，經(jīng)出版方授權(quán)發(fā)布。
|
