どりらんです。この記事はfintalk Advent Calendar 2019の11日目です。
ここのボスになんか書けと言われたので書きました。
pandasのようなテーブルデータ(DataFrame)を扱うライブラリです。Out-of-Core(メモリにのらない大きなデータ)を遅延処理で計算できるのが特徴です。
pandasの1000倍速いと言われており、シャア少佐もびっくりです。気になったのでちょろっと試してみました。金融ネタということで、今回は移動平均を算出してみます。
朝倉書店様 より 「pandasクックブック ―Pythonによるデータ処理のレシピ―」 をご恵贈いただきました。朝倉書店様、ご紹介いただいた Hayao(-ε-δ)さん ありがとうございます。
pandasに関しては共著: PythonユーザのためのJupyter[実践]入門 (以降はJupyter本とします)の第3章でもいつくか解説されていますが、pandasがメインの書籍ではありません。 本書はその名のとおり、pandasに焦点を当てて詳しく
「FinTech Advent Calendar 2018」の記事です。
Pythonのライブラリを使ってポートフォリオのリスクを分析してみます。
手っ取り早くデータを取りたいので、今回はQuandlを使います。
株価のデータは有料なものがほとんどで世知辛いので、先物のデータを使います。
!pip install quandl
どうも、Bokeh芸人のどりらんです。
Bokeh 0.13からRangeToolが使えるようになりました。
直近の時系列データみたいが、過去を遡ってみたい場合などに便利です。
グラフの範囲選択ツールで、Highstock などでは時系列データを可視化する際にデフォルトでついている機能だったりします。
おおまかな手順は下記のとおりです。
1.
の add_tools
メソッドの引数に 2.
を渡すRangeTool
クラスにキ
トグルボタンです。ボタンをクリックすると真偽値が切り替わり、状態が保持されます。以下のコードでは2つの値の論理積を出力しています。
from ipywidgets import ToggleButton
def x_and_y(change):
clear_output()
print(toggle_button_x.value & toggle_button_y.value)
「Jupyter Advent Calendar 2017 10日目」 の記事です。
今回はJupyter上から可視化できるツールのなかで、あまり日の当たってないものにスポットライトを当ててみたいと思います。
これはと思うものがあれば試してみていただけると幸甚です。
APIベースの可視化ツールです、herokuやdockerからなどから環境を構築できます。
今回はJupyter上からの事例を紹介しますが、サーバを建てたほうが威力をはっきするかもしれません。
「python Advent Calendar 2017 10日目」 の記事です。
TwitterのTLをぼーっと眺めていたら気になるサイトを見つけました。
Check This Out – Optimized Python
なんと、このdockerイメージを使うと、公式のPythonのイメージと比較して、19%の高速化と75%の軽量化がされているようです。 これは試さずにはいられません。
ビルドされたイメージは Docker Hub に上がっており、イメージをpullするだけで最適化されたPythonが使えます。
Pythonのバージョンは3
fin-pyもくもく会 #8 で for文を使って累積リターンを算出して遅いという話をしていたら、2casa さんより、対数収益率を計算した後に合計したらよいのではないかとアドバイスいただきました。
確かに「Pythonでfor文を使ったら負け」という格言があることですし、色々試してみました。
下記のように最初の株価を100円とし、1000日分の騰落率をランダムに与えてみます。
import numpy as np
n = 1000 # データ数
s0 = 100 # 最初の株価
np.random.seed(10)
pct_c
ご縁があって、 PythonユーザのためのJupyter[実践]入門 という書籍を共著で執筆させていただきました。
本記事では本書の読みどころなどについて、勢いに任せた乱筆ですがつらつらと語っていきたいと思います。
本書の3ページ「はじめに」を全文掲載します。まさにここに書かれていることが本書を読む動機となると思います。書店などで本書を手にとってパラパラ見ていだければ雰囲気はつかめると思います。
本書は、「Jupyter Notebook」の使い方と「データの可視化」にフォーカスを当てた書籍です。 Jupyt
Copyright © 2020 driller
Powered by miyadaiku