我试图用Python重新生成MatLab代码,但遇到了MatLab矩阵的问题。MatLab中的代码块如下:
for i = 1:Np
y = returns(:,i);
sgn = modified_sign(y);
X = [ones(Tp,1) sgn.*log(prices(:,i).*volumes(:,i))];
我很难在创建“X”时不得到“Data Must be一维Error”。下面是我的一个尝试,其中许多尝试复制这段代码:
lam = np.empty([Tp,Np]) * np.nan
for i in range(0,Np):
y=returns.iloc[:,i]
sgn = modified_sign(y)
#X = np.array([[np.ones([Tp,1]),np.multiply(np.multiply(sgn,np.log(prices.iloc[:,i])),volumes.iloc[:,i])]])
X = np.concatenate([np.ones([Tp,1]),np.column_stack(np.array([sgn*np.log(prices.iloc[:,i])*volumes[:,i]]))],axis=1)
Tp和Np是价格序列的长度和宽度
crsp['PRC'].to_frame().shape = (9455,1)
Tp, Np = crsp['PRC'].to_frame().shape
Tr和Nr是返回序列的长度和宽度
crsp['RET'].to_frame().shape = (9455,1)
Tr, Nr = crsp['RET'].to_frame().shape
Tv和Nv是卷系列的长度和宽度
crsp['VOL'].to_frame().shape = (9455,1)
Tv, Nv = crsp['VOL'].to_frame().shape
一个数组:
np.ones([Tp,1])
会是(9455,1)
样本量数据:
DATE VOLAVG
1979-12-04 8880.9912591051
1979-12-05 8867.545284586622
1979-12-06 8872.264687564875
1979-12-07 8876.922134551494
1979-12-10 8688.765365448506
1979-12-11 8695.279567657451
1979-12-12 8688.865033222592
1979-12-13 8684.095435684647
1979-12-14 8684.534550736667
1979-12-17 8879.694444444445
样本价格数据
DATE AVGPRC
1979-12-04 25.723484200567693
1979-12-05 25.839463450495863
1979-12-06 26.001899852224145
1979-12-07 25.917628864251874
1979-12-10 26.501898917349788
1979-12-11 26.448652367425804
1979-12-12 26.475906537182407
1979-12-13 26.519610746585908
1979-12-14 26.788873713159944
1979-12-17 26.38583047822484
样本返回数据
DATE RET
1979-12-04 0.008092780873338423
1979-12-05 0.004498557619416754
1979-12-06 0.006266692192175238
1979-12-07 -0.0032462182943131523
1979-12-10 0.022292999386413825
1979-12-11 -0.002011180868938034
1979-12-12 0.001029925340138238
1979-12-13 0.0016493553247958206
1979-12-14 0.010102153877941776
1979-12-17 -0.015159499602784175
我最终要实现的是一个(9455,2)数组,其中X.iloc[:,0]=1和X.iloc[:,2]=log(price)*每行的卷。
我引用了MatlabtoNumpy在线文档(https://docs.scipy.org/doc/numpy-dev/user/numpy-for-matlab-users.html),并检查了其他各种StackOverflow帖子,但都没有结果。
对于context,modified_sign是一个外部函数,prices是一个数据帧片,正如返回的一样。Np是price数据帧的宽度(想想df.shape[1]),Tp是df.shape[0]。这实质上是创建一列1s和log(price)*volume,用于回归每个系列的收益,其中每个df是(TxN),其中T是日期,N是证券。如果您能提供任何指导,我们将不胜感激。
问题是numpy可以有一维数组(向量),而MATLAB不能。因此,当您创建
np.ones([Tp,1])
数组时,它将创建一个二维数组,其中一维的大小为1。在MATLAB中,这被认为是一个“向量”,但在numpy中不是所以您需要做的是给
np.ones
一个值。这将产生一个向量(不像在MATLAB中,它将产生一个二维方阵)。同样的规则也适用于np.zeros
和任何其他将维度作为输入的函数。所以这应该管用:
这就是说,这样做会失去使用熊猫的大部分优势。最好使用日期作为索引将数据帧组合成一个数据帧,然后使用计算创建一个新列。假设日期是索引,则类似这样的操作应该有效(如果日期是索引,则使用
set_index
使其成为索引):当然,您可以用更具信息性的名称替换
X0
和X1
,我甚至不确定您是否需要使用这种方法,但这将使您更容易使用数据结构。此外,如果日期是字符串,则应将其转换为熊猫日期。它们比琴弦更适合搭配。
相关问题 更多 >
编程相关推荐