Python量化交易基础入门Numpy学习完整代码看这篇就够了

本章内容是我们视频教程中的代码示例，包含代码块的详细说明，完整代码附在文章最后面，大家可以用电脑版的微信打开并且复制下来。

• 引入相关的包

使用numpy之前，我们需要先将numpy的包引进来，这里我们还引入了matplotlib的包，这个是用来画图用的。

import numpy as np
import matplotlib.pyplot as plt
import matplotlib as mpl

方法名为moving_average,括号里面的为参数，a为自定义的行情数组，n为要计算的移动均线的个数，默认为5表示默认计算5日移动均线。

# 计算n日移动均线def moving_average(a, n=5):
    ret = np.cumsum(a, dtype=float)
    ret[n:] = ret[n:] - ret[:-n]
    return ret[n - 1:] / n

我们这里直接先用python自带的随机数生成，我们生成一段模拟行情数据。后续我们学习tushare后，我们将使用实盘的行情数据。

# 生成随机小数数组np.set_printoptions(precision=1)
data_1 = np.random.rand(50)
print(data_1)
print("============")
# 生成随机的整数数组data_2 = np.random.randint(15, 20, size=50)
print(data_2)
data_3 = data_1 + data_2
print("============")
print(data_3)

# 计算最大的数的索引位置max_index = np.argmax(data_3)
print("最大值元素索引%d" % max_index)
min_index = np.argmin(data_3)
print("最小值元素索引%d" % min_index)

# 移动均线数组print("移动均线")
print(moving_average(data_3))

• 以下是画图部分，画图没什么技巧，直接copy即可，因为后续画图的步骤大体都一样的。这里，我们主要是在图上打点，画出最大与最小值，并且画出一条移动均线。

x = np.arange(0, 50, 1)
plt.plot(x, data_3, "--*r")
# 瞄最大点show_max = '[key=' + str(max_index) + ' value:' + str(round(data_3[max_index], 1)) + ']'plt.annotate(show_max, xytext=(max_index, data_3[max_index]), xy=(max_index, data_3[max_index]))
# 瞄最小点show_min = '[key=' + str(min_index) + ' value:' + str(round(data_3[min_index], 1)) + ']'plt.annotate(show_min, xytext=(min_index, data_3[min_index]), xy=(min_index, data_3[min_index]))
# 移动均线x_average = np.arange(4, 50, 1)
plt.plot(x_average, moving_average(data_3))

# 保存图mpl.rcParams['font.sans-serif'] = ["SimHei"]
plt.title("行情及五日均线")
plt.savefig("./20200423.png", dpi=300)
plt.show()

最后画出的行情效果图，如下图所示。

完整的源代码如下，使用pycharm打开，并且安装好numpy和matplotlib依赖包，直接ctrl+shift+F10即可运行，不懂得安装依赖包的，可以关注头条号【大操手量化投资】观看视频学习。

"""
@Author: dacaoshou
@微信公众号: 大操手量化投资
@Site: http://dacaoshou.com
@Software: pycharm
@File：__init__.py.py
@Time：2020/4/21 22:18
@Description: 
"""

import numpy as np
import matplotlib.pyplot as plt
import matplotlib as mpl


# 计算n日移动均线
def moving_average(a, n=5):
    ret = np.cumsum(a, dtype=float)
    ret[n:] = ret[n:] - ret[:-n]
    return ret[n - 1:] / n


# 生成随机小数数组
np.set_printoptions(precision=1)
data_1 = np.random.rand(50)
print(data_1)
print("============")
# 生成随机的整数数组
data_2 = np.random.randint(15, 20, size=50)
print(data_2)
data_3 = data_1 + data_2
print("============")
print(data_3)

# 计算最大的数的索引位置
max_index = np.argmax(data_3)
print("最大值元素索引%d" % max_index)
min_index = np.argmin(data_3)
print("最小值元素索引%d" % min_index)

# 移动均线数组
print("移动均线")
print(moving_average(data_3))

# 画图
x = np.arange(0, 50, 1)
plt.plot(x, data_3, "--*r")
# 瞄最大点
show_max = '[key=' + str(max_index) + ' value:' + str(round(data_3[max_index], 1)) + ']'
plt.annotate(show_max, xytext=(max_index, data_3[max_index]), xy=(max_index, data_3[max_index]))
# 瞄最小点
show_min = '[key=' + str(min_index) + ' value:' + str(round(data_3[min_index], 1)) + ']'
plt.annotate(show_min, xytext=(min_index, data_3[min_index]), xy=(min_index, data_3[min_index]))
# 移动均线
x_average = np.arange(4, 50, 1)
plt.plot(x_average, moving_average(data_3))

# 保存图
mpl.rcParams['font.sans-serif'] = ["SimHei"]
plt.title("行情及五日均线")
plt.savefig("./20200423.png", dpi=300)
plt.show()