Pythonでランダムウォーク - Qiita
Pythonによるランダムウォークのメモです。ちょっと数式書いてますけど、数学的には厳密ではありませんので悪しからず。 単純ランダムウォーク 時刻$n$における価格$p(n)$を、 $$p(n) = p(n-1) + d(n)$$ のように１サンプル前の価格$p(n-1)$に$d(n)$(ただし、$d(n)$は$1$か$-1$)を加えて算出していく時系列を単純ランダムウォークといいます。 まず、$d(n)$はPythonで次のように書けます。 %matplotlib inline import numpy as np import pandas as pd dn = np.random.randint(2, size=1000)*2-1
pandasのMultiindexを整理する - まずは蝋の翼から。
この記事はなにか こういうデータフレームを こういう形にしたい。 以下の記事の「集約」という節でpandasのMultiindexをもとの形式に戻すやり方を書いたがもうちょっとわかりやすい方法があったのでメモ。ただし、メソッドチェーンで完結していない。 knknkn.hatenablog.com 以下のようなflightsデータで考える。 これを集約してはじめに載せた以下のようなMultiindexにする airline_info = flights.groupby(['AIRLINE', 'WEEKDAY'])\ .agg({'DIST':['sum','mean'], 'ARR_DELAY':['min','max']})\ .astype(int) airline_info.head() 列の対処 列について、各列毎の集約関数列が入っている。これを列名_集約関数名という列名にまとめた
Pandasのgroupbyを使った要素をグループ化して処理をする方法 - DeepAge
グループ分けした処理の概要 groupby関数を使ってデータをグループ分けする(Splitting) 列データからグループ分け 複数の列データから作成 Indexの値を使う MultiIndexでグループ分け GroupByオブジェクトの中身を確認する GroupByオブジェクトをイテレータとして扱う 特定の列データを指定する グループごとに処理を実行する(Applying) Pandasの組み込み関数を使う apply関数を使って適用させる 複数の関数を一度に適用させる 列ごとに処理を指定する transform関数を使ったデータ整形 フィルタリング グラフにプロットする まとめ 参考 Pandasでの代表的な機能の1つとしてgroupby関数があります。 これはデータをある列データなどを基準にグルーピングして処理を行うために使います。例えば、事業部ごとの売上や、年代別での成績などを算出
Python（seaborn）で損益ヒストグラムを描く
はじめに 『MT4 の取引履歴をテキストファイル（CSV 形式）に出力するスクリプト（MQL4）』で保存した CSV 形式のファイルをもとに Python（seaborn）で損益ヒストグラムを描く方法です。 CSV ファイルは以下のような形式です。1 行目はヘッダ（コメント）で， 2 行目以降に取引履歴が続きます。 各行は，カンマ区切りで，オープン時刻，クローズ時刻，ロット数，損益，シンボル名，売買種別が並びます。 OpenTime,CloseTime,Lots,Profit,Symbol,Buy/Sell 2020.10.26 03:54:05,2020.10.26 04:10:03,1.41,-4371,USDJPY-cd,Sell 2020.10.26 04:21:22,2020.10.26 05:01:09,1.41,11985,USDJPY-cd,Buy 2020.10.26 0
【コピペで動く！】日本株、米国株で個別銘柄ベータ値(β値)を簡単に調べる方法 Python 米国株 Webサービス＆コード 【Google Colabで違いをみつけろ！】
日本株や米国株の個別銘柄ベータ値(β値)をWebサービスや、Pythonによる計算で求めることができます。ベータ値(β値) とは株の個別銘柄が市場全体の動きに対してどの程度敏感に反応して変動するかを示す数値で、現代ポートフォリオ理論では非常に重要にされている指標の一つです。 例えば、ある銘柄が指数と全く同じ動きをする場合はベータ値(β値) が1という事になります。 ベータ値(β値) が２の銘柄は市場全体が1％上昇・下落するとその銘柄は2％上昇・下落し、逆にベータ値(β値) が0.5だと、市場全体が1％ 上昇・下落 するとその銘柄は0.5％ 上昇・下落 するというよう事になります。 実際のPythonの計算では5年の月次の時系列データの60点を利用するローリングモデルでベータ値(β値) を計算します。
日本国債金利の時系列データをPandasに取り込む - A Bit Technical
方法財務省の国債金利情報ページからヒストリカルデータのCSVをダウンロードできます。これをPandasのDataFrameに読み込みます。まずはデータを見てみましょう。 https://www.mof.go.jp/jgbs/reference/interest_rate/data/jgbcm_all.csv 国債金利情報,,,,,,,,,,,,,,,(単位 : %) 基準日,1年,2年,3年,4年,5年,6年,7年,8年,9年,10年,15年,20年,25年,30年,40年 S49.9.24,10.327,9.362,8.83,8.515,8.348,8.29,8.24,8.121,8.127,-,-,-,-,-,- S49.9.25,10.333,9.364,8.831,8.516,8.348,8.29,8.24,8.121,8.127,-,-,-,-,-,- S49.9.26,10.3
pandasのcut, qcut関数でビニング処理（ビン分割） | note.nkmk.me
ビニング処理（ビン分割）とは、連続値を任意の境界値で区切りカテゴリ分けして離散値に変換する処理のこと。機械学習の前処理などで行われる。 例えば、年齢のデータを10代、20代の層（水準）ごとに分けるといった処理などがある。 pandasでビニング処理（ビン分割）を行うにはpandas.cut()またはpandas.qcut()を使う。 pandas.cut — pandas 0.22.0 documentation pandas.qcut — pandas 0.22.0 documentation それぞれ、 等間隔または任意の境界値でビン分割: cut() 要素数が等しくなるようにビン分割: qcut() という違いがある。 ここでは、pandas.cut()およびpandas.qcut()の使い方として、以下の内容を説明する。 等間隔または任意の境界値でビニング処理: cut() 最大値
【政府統計】pythonによる政府統計e-StatのAPI機能の使い方 - どこにでもいる30代SEの学習ブログ
*1 「政府統計の総合窓口(e-Stat)」の統計データは、APIで取得可能です。ユーザ登録(無料)を行えば、誰でもAPIを利用できます。 Pythonを使って、API経由で人口動態のデータを取得し、matplotlibでグラフ表示しました。 [1] ユーザ登録 [2] アプリケーションIDの取得 [3] 取得できるデータと統計表IDを確認する [3-1] ブラウザで確認する方がAPIより楽 [3-2] ブラウザで統計表IDを確認する [4] メタ情報を取得する [4-1] ブラウザで取得 [4-2] Pythonで取得 [5] 統計データの取得 [5-1] ブラウザで確認 [5-2] Pythonで確認 [5-3] IDやCODEを意味のわかる内容に置き換える [6] matplotlibでグラフ表示 [6-1] 数値に変換する [6-2] 出生率と死亡率を表示 [6-3] 自然増減率を
「Python」と「Google Colaboratory」で株価データ分析に挑戦
「Python」と「Google Colaboratory」で株価データ分析に挑戦：「Python」×「株価データ」で学ぶデータ分析のいろは（1） 日々変動する株価データを題材にPythonにおけるデータ分析のいろはを学んでいく本連載。第1回はPythonを実行する環境とデータの前準備について。 はじめに 連載第1回は「Google Colaboratory」でサンプルプログラムを実行するための環境を用意する方法や利用するPythonのライブラリを説明します。「Google Chrome」と「Googleアカウント」を用意して読み進めてください。 なお、連載の趣旨がデータ分析であるため、Pythonの言語仕様や文法の詳細を割愛する場合があることをご了承ください。 Google Colaboratoryの準備 Google Colaboratoryとは、Googleが提供するブラウザ上でPy
【Python】CSVをHTMLに変換する方法
こんにちは。のっくんです。 csvファイルをHTMLに変換する方法について紹介します。 [toc] 使用するcsvファイル 使用するcsvファイルは、前回の記事 https://ymgsapo.com/scraping_soccer_ranking で取得したサッカーのランキング表にしましょう。 中身は以下の通り。 ,順位,クラブ名,勝点,試合数,勝,分,負,得点,失点,得失点,直近5試合 ,1,大分トリニータ,66,36,20,6,10,65,41,24, ,2,松本山雅ＦＣ,66,36,18,12,6,50,33,17, ,3,ＦＣ町田ゼルビア,62,34,17,11,6,52,36,16, ,4,アビスパ福岡,61,36,17,10,9,51,36,15, ,5,大宮アルディージャ,60,36,18,6,12,58,43,15, ,6,東京ヴェルディ,60,36,16,12,8,49
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
Pandasのgroupbyの使い方をまとめる
ETF Rotation by Ian Kaplan April 2022
Asset Rotation Strategy With Python
Long Short Equity Strategy
Cryptocurrency Investing Python Strategy
Fear and Greed Index data in python (archived) - fpse
【コピペで動く！】Google ColabでPython を用いての 効率的フロンティア と ポートフォリオの最適化 Efficient Frontier & Portfolio Optimization with Python [Part 2/2]![【コピペで動く！】Google ColabでPython を用いての 効率的フロンティア と ポートフォリオの最適化 Efficient Frontier & Portfolio Optimization with Python [Part 2/2]](https://cdn-ak-scissors.b.st-hatena.com/image/square/14da057a229686f545918ba1e23db73ce92d391a/height=288;version=1;width=512/https%3A%2F%2Fworth2know.com%2Fwp-content%2Fuploads%2F2021%2F07%2F20200813_MP2.png)
【pandas】外れ値を確認・除去する方法【df.quantile()】 | self-methods
RSI Based Momentum Trading Strategy Backtested using zipline for Nifty 100 Stocks Universe
Backtesting: Combining with momentum trading