# 量化分析師的Python日記【第1天:誰來給我講講Python?】
> 來源:https://uqer.io/community/share/54c89443f9f06c276f651a52
## “誰來給我講講Python?”
作為無基礎的初學者,只想先大概了解一下Python,隨便編個小程序,并能看懂一般的程序,那些什么JAVA啊、C啊、繼承啊、異常啊通通不懂怎么辦,于是我找了很多資料,寫成下面這篇日記,希望以完全初學者的角度入手來認識Python這個在量化領域日益重要的語言
## 一,熟悉基本
在正式介紹python之前,了解下面兩個基本操作對后面的學習是有好處的:
1)基本的輸入輸出 可以在Python中使用`+`、`-`、`*`、`/`直接進行四則運算。
```py
1+3*3
10
```
(2)導入模塊 使用`import`可以導入模塊,導入之后,就可以使用這個模塊下面的函數了。 比如導入`math`模塊,然后使用`math`模塊下面的`sqrt`函數:
```py
from math import sqrt
sqrt(9)
3.0
32.0
```
## 二,容器
### 1,什么是容器
開始學Python時,被它的數據結構,什么字典、序列、元組等等搞的很混亂,估計有跟我一樣的初學者,所以我梳理了一下留存: 首先要從容器說起,Python中有一種名為容器的數據結構,顧名思義,容器,就是裝數據的器具,它主要包括序列和詞典,其中序列又主要包括列表、元組、字符串等(見下面那張圖)。

列表的基本形式比如:`[1,3,6,10]`或者`[‘yes’,’no’,’OK’]`
元組的基本形式比如:`(1,3,6,10)`或者`(‘yes’,’no’,’OK’)`
字符串的基本形式比如:`’hello’`
以上幾種屬于序列,序列中的每一個元素都被分配一個序號——即元素的位置,也稱為“索引”,第一個索引,即第一個元素的位置是0,第二個是1,依次類推。列表和元組的區別主要在于,列表可以修改,而元組不能(注意列表用中括號而元組用括號)。序列的這個特點,使得我們可以利用索引來訪問序列中的某個或某幾個元素,比如:
```py
a=[1,3,6,10]
a[2]
6
```
```py
b=(1,3,6,10)
b[2]
6
```
```py
c='hello'
c[0:3]
'hel'
```
而與序列對應的“字典”則不一樣,它是一個無序的容器,
它的基本形式比如:`d={7:'seven',8:'eight',9:'nine'}`
這是一個“鍵—值”映射的結構,因此字典不能通過索引來訪問其中的元素,而要根據鍵來訪問其中的元素:
```py
d={7:'seven',8:'eight',9:'nine'}
d[8]
'eight'
```
### 2、序列的一些通用操作
除了上面說到的索引,列表、元組、字符串等這些序列還有一些共同的操作。
(1)索引(補充上面)
序列的最后一個元素的索引,也可以是-1,倒數第二個也可以用-2,依次類推:
```py
a=[1,3,6,10]
print a[3]
print a[-1]
10
10
```
(2)分片
使用分片操作來訪問一定范圍內的元素,它的格式為:
```
a[開始索引:結束索引:步長]
```
那么訪問的是,從開始索引號的那個元素,到結束索引號-1的那個元素,每間隔步長個元素訪問一次,步長可以忽略,默認步長為1。
```py
c='hello'
c[0:3]
'hel'
```
這個就好像把一個序列給分成幾片幾片的,所以叫做“分片”

(3)序列相加
即兩種序列合并在一起,兩種相同類型的序列才能相加
```py
[1,2,3]+[4,5,6]
[1, 2, 3, 4, 5, 6]
```
```py
'hello,'+'world!'
'hello,world!'
```
(4)成員資格
為了檢查一個值是否在序列中,可以用`in`運算符
```py
a='hello'
print 'o' in a
print 't' in a
True
False
```
### 3、列表操作
以上是序列共有的一些操作,列表也有一些自己獨有的操作,這是其他序列所沒有的
(1)`List`函數
可以通過`list`(序列)函數把一個序列轉換成一個列表:
```py
list('hello')
['h', 'e', 'l', 'l', 'o']
```
(2)元素賦值、刪除
元素刪除——`del a[索引號]`
元素賦值——`a[索引號]=值`
```py
a
'hello'
```
```py
b=list(a)
b
['h', 'e', 'l', 'o']
```
```py
b[2]='t'
b
['h', 'e', 't', 'o']
```
分片賦值——`a[開始索引號:結束索引號]=list(值)`
為列表的某一范圍內的元素賦值,即在開始索引號到結束索引號-1的區間幾個元素賦值,比如,利用上面語句,如何把hello變成heyyo?
```py
b=list('hello')
b
['h', 'e', 'l', 'l', 'o']
```
```py
b[2:4]=list('yy')
b
['h', 'e', 'y', 'y', 'o']
```
注意雖然`“ll”`處于`“hello”`這個單詞的第2、3號索引的位置,但賦值時是用`b[2:4]`而不是`b[2:3]`,另外注意`list()`用小括號。
(3)列表方法
上面說過`list`函數,函數這個東西在很多語言中都有,比如excel里面的`if`函數、`vlookup`函數,SQL里面的`count`函數,以及各種語言中都有的`sqrt`函數等等,python中也有很多函數。 Python中的方法,是一個“與某些對象有緊密聯系的”函數,所以列表方法,就是屬于列表的函數,它可以對列表實現一些比較深入的操作,方法這樣調用:
```
對象.方法(參數)
```
那么列表方法的調用就理所當然是:
```
列表.方法(參數)
```
常用的列表方法這么幾個,以`a=['h','e','l','l','o']`為例:
```py
a=['h','e','l','l','o']
a
['h', 'e', 'l', 'l', 'o']
```
給列表`a`的`n`索引位置插入一個元素`m`: `a.insert(n,m)`
```py
a.insert(2,'t')
a
['h', 'e', 't', 'l', 'l', 'o']
```
給列表的最后添加元素`m`: `a.append(m)`
```py
a.append('q')
a
['h', 'e', 't', 'l', 'l', 'o', 'q']
```
返回`a`列表中,元素`m`第一次出現的索引位置: `a.index(m)`
```py
a.index('e')
1
```
刪除`a`中的第一個`m`元素: `a.remove(m)`
```py
a.remove('e')
a
['h', 't', 'l', 'l', 'o', 'q']
```
將列表`a`從大到小排列: `a.sort()`
```py
a.sort()
a
['h', 'l', 'l', 'o', 'q', 't']
```
### 4、字典操作
(1)`dict`函數
`dict`函數可以通過關鍵字參數來創建字典,格式為:
```
dict(參數1=值1,參數2=值2, …)={參數1:值1, 參數2=值2, …}
```
比如,如何創建一個名字`name`為`jiayounet`,年齡`age`為`28`的字典?
```py
dict(name='jiayounet',age=27)
{'age': 27, 'name': 'jiayounet'}
```
(2)基本操作
字典的基本行為與列表在很多地方都相似,下面的例子以序列`a=[1,3,6,10]`,字典`f={'age': 27, 'name': 'shushuo'}`為例

日記小結: 今天學習了Python的基本頁面、操作,以及幾種主要的容器類型,天還要學習Python的函數、循環和條件、類,然后才算是對Python有一個大致的了解。
- Python 量化交易教程
- 第一部分 新手入門
- 一 量化投資視頻學習課程
- 二 Python 手把手教學
- 量化分析師的Python日記【第1天:誰來給我講講Python?】
- 量化分析師的Python日記【第2天:再接著介紹一下Python唄】
- 量化分析師的Python日記【第3天:一大波金融Library來襲之numpy篇】
- 量化分析師的Python日記【第4天:一大波金融Library來襲之scipy篇】
- 量化分析師的Python日記【第5天:數據處理的瑞士軍刀pandas】
- 量化分析師的Python日記【第6天:數據處理的瑞士軍刀pandas下篇
- 量化分析師的Python日記【第7天:Q Quant 之初出江湖】
- 量化分析師的Python日記【第8天 Q Quant兵器譜之函數插值】
- 量化分析師的Python日記【第9天 Q Quant兵器譜之二叉樹】
- 量化分析師的Python日記【第10天 Q Quant兵器譜 -之偏微分方程1】
- 量化分析師的Python日記【第11天 Q Quant兵器譜之偏微分方程2】
- 量化分析師的Python日記【第12天:量化入門進階之葵花寶典:因子如何產生和回測】
- 量化分析師的Python日記【第13天 Q Quant兵器譜之偏微分方程3】
- 量化分析師的Python日記【第14天:如何在優礦上做Alpha對沖模型】
- 量化分析師的Python日記【第15天:如何在優礦上搞一個wealthfront出來】
- 第二部分 股票量化相關
- 一 基本面分析
- 1.1 alpha 多因子模型
- 破解Alpha對沖策略——觀《量化分析師Python日記第14天》有感
- 熔斷不要怕, alpha model 為你保駕護航!
- 尋找 alpha 之: alpha 設計
- 1.2 基本面因子選股
- Porfolio(現金比率+負債現金+現金保障倍數)+市盈率
- ROE選股指標
- 成交量因子
- ROIC&cashROIC
- 【國信金工】資產周轉率選股模型
- 【基本面指標】Cash Cow
- 量化因子選股——凈利潤/營業總收入
- 營業收入增長率+市盈率
- 1.3 財報閱讀 ? [米缸量化讀財報] 資產負債表-投資相關資產
- 1.4 股東分析
- 技術分析入門 【2】 —— 大家搶籌碼(06年至12年版)
- 技術分析入門 【2】 —— 大家搶籌碼(06年至12年版)— 更新版
- 誰是中國A股最有錢的自然人
- 1.5 宏觀研究
- 【干貨包郵】手把手教你做宏觀擇時
- 宏觀研究:從估值角度看當前市場
- 追尋“國家隊”的足跡
- 二 套利
- 2.1 配對交易
- HS300ETF套利(上)
- 【統計套利】配對交易
- 相似公司股票搬磚
- Paired trading
- 2.2 期現套利 ? 通過股指期貨的期現差與 ETF 對沖套利
- 三 事件驅動
- 3.1 盈利預增
- 盈利預增事件
- 事件驅動策略示例——盈利預增
- 3.2 分析師推薦 ? 分析師的金手指?
- 3.3 牛熊轉換
- 歷史總是相似 牛市還在延續
- 歷史總是相似 牛市已經見頂?
- 3.4 熔斷機制 ? 股海拾貝之 [熔斷錯殺股]
- 3.5 暴漲暴跌 ? [實盤感悟] 遇上暴跌我該怎么做?
- 3.6 兼并重組、舉牌收購 ? 寶萬戰-大戲開幕
- 四 技術分析
- 4.1 布林帶
- 布林帶交易策略
- 布林帶回調系統-日內
- Conservative Bollinger Bands
- Even More Conservative Bollinger Bands
- Simple Bollinger Bands
- 4.2 均線系統
- 技術分析入門 —— 雙均線策略
- 5日線10日線交易策略
- 用5日均線和10日均線進行判斷 --- 改進版
- macross
- 4.3 MACD
- Simple MACD
- MACD quantization trade
- MACD平滑異同移動平均線方法
- 4.4 阿隆指標 ? 技術指標阿隆( Aroon )全解析
- 4.5 CCI ? CCI 順勢指標探索
- 4.6 RSI
- 重寫 rsi
- RSI指標策略
- 4.7 DMI ? DMI 指標體系的構建及簡單應用
- 4.8 EMV ? EMV 技術指標的構建及應用
- 4.9 KDJ ? KDJ 策略
- 4.10 CMO
- CMO 策略模仿練習 1
- CMO策略模仿練習2
- [技術指標] CMO
- 4.11 FPC ? FPC 指標選股
- 4.12 Chaikin Volatility
- 嘉慶離散指標測試
- 4.13 委比 ? 實時計算委比
- 4.14 封單量
- 按照封單跟流通股本比例排序,剔除6月上市新股,前50
- 漲停股票封單統計
- 實時計算漲停板股票的封單資金與總流通市值的比例
- 4.15 成交量 ? 決戰之地, IF1507 !
- 4.16 K 線分析 ? 尋找夜空中最亮的星
- 五 量化模型
- 5.1 動量模型
- Momentum策略
- 【小散學量化】-2-動量模型的簡單實踐
- 一個追漲的策略(修正版)
- 動量策略(momentum driven)
- 動量策略(momentum driven)——修正版
- 最經典的Momentum和Contrarian在中國市場的測試
- 最經典的Momentum和Contrarian在中國市場的測試-yanheven改進
- [策略]基于勝率的趨勢交易策略
- 策略探討(更新):價量結合+動量反轉
- 反向動量策略(reverse momentum driven)
- 輕松跑贏大盤 - 主題Momentum策略
- Contrarian strategy
- 5.2 Joseph Piotroski 9 F-Score Value Investing Model · 基本面選股系統:Piotroski F-Score ranking system
- 5.3 SVR · 使用SVR預測股票開盤價 v1.0
- 5.4 決策樹、隨機樹
- 決策樹模型(固定模型)
- 基于Random Forest的決策策略
- 5.5 鐘擺理論 · 鐘擺理論的簡單實現——完美躲過股災和精準抄底
- 5.6 海龜模型
- simple turtle
- 俠之大者 一起賺錢
- 5.7 5217 策略 · 白龍馬的新手策略
- 5.8 SMIA · 基于歷史狀態空間相似性匹配的行業配置 SMIA 模型—取交集
- 5.9 神經網絡
- 神經網絡交易的訓練部分
- 通過神經網絡進行交易
- 5.10 PAMR · PAMR : 基于均值反轉的投資組合選擇策略 - 修改版
- 5.11 Fisher Transform · Using Fisher Transform Indicator
- 5.12 分型假說, Hurst 指數 · 分形市場假說,一個聽起來很美的假說
- 5.13 變點理論 · 變點策略初步
- 5.14 Z-score Model
- Zscore Model Tutorial
- 信用債風險模型初探之:Z-Score Model
- user-defined package
- 5.15 機器學習 · Machine Learning 學習筆記(一) by OTreeWEN
- 5.16 DualTrust 策略和布林強盜策略
- 5.17 卡爾曼濾波
- 5.18 LPPL anti-bubble model
- 今天大盤熔斷大跌,后市如何—— based on LPPL anti-bubble model
- 破解股市泡沫之謎——對數周期冪率(LPPL)模型
- 六 大數據模型
- 6.1 市場情緒分析
- 通聯情緒指標策略
- 互聯網+量化投資 大數據指數手把手
- 6.2 新聞熱點
- 如何使用優礦之“新聞熱點”?
- 技術分析【3】—— 眾星拱月,眾口鑠金?
- 七 排名選股系統
- 7.1 小市值投資法
- 學習筆記:可模擬(小市值+便宜 的修改版)
- 市值最小300指數
- 流通市值最小股票(新篩選器版)
- 持有市值最小的10只股票
- 10% smallest cap stock
- 7.2 羊駝策略
- 羊駝策略
- 羊駝反轉策略(修改版)
- 羊駝反轉策略
- 我的羊駝策略,選5只股無腦輪替
- 7.3 低價策略
- 專撿便宜貨(新版quartz)
- 策略原理
- 便宜就是 alpha
- 八 輪動模型
- 8.1 大小盤輪動 · 新手上路 -- 二八ETF擇時輪動策略2.0
- 8.2 季節性策略
- Halloween Cycle
- Halloween cycle 2
- 夏買電,東買煤?
- 歷史的十一月板塊漲幅
- 8.3 行業輪動
- 銀行股輪動
- 申萬二級行業在最近1年、3個月、5個交易日的漲幅統計
- 8.4 主題輪動
- 快速研究主題神器
- recommendation based on subject
- strategy7: recommendation based on theme
- 板塊異動類
- 風險因子(離散類)
- 8.5 龍頭輪動
- Competitive Securities
- Market Competitiveness
- 主題龍頭類
- 九 組合投資
- 9.1 指數跟蹤 · [策略] 指數跟蹤低成本建倉策略
- 9.2 GMVP · Global Minimum Variance Portfolio (GMVP)
- 9.3 凸優化 · 如何在 Python 中利用 CVXOPT 求解二次規劃問題
- 十 波動率
- 10.1 波動率選股 · 風平浪靜 風起豬飛
- 10.2 波動率擇時
- 基于 VIX 指數的擇時策略
- 簡單低波動率指數
- 10.3 Arch/Garch 模型 · 如何使用優礦進行 GARCH 模型分析
- 十一 算法交易
- 11.1 VWAP · Value-Weighted Average Price (VWAP)
- 十二 中高頻交易
- 12.1 order book 分析 · 基于高頻 limit order book 數據的短程價格方向預測—— via multi-class SVM
- 12.2 日內交易 · 大盤日內走勢 (for 擇時)
- 十三 Alternative Strategy
- 13.1 易經、傳統文化 · 老黃歷診股
- 第三部分 基金、利率互換、固定收益類
- 一 分級基金
- “優礦”集思錄——分級基金專題
- 基于期權定價的分級基金交易策略
- 基于期權定價的興全合潤基金交易策略
- 二 基金分析
- Alpha 基金“黑天鵝事件” -- 思考以及原因
- 三 債券
- 債券報價中的小陷阱
- 四 利率互換
- Swap Curve Construction
- 中國 Repo 7D 互換的例子
- 第四部分 衍生品相關
- 一 期權數據
- 如何獲取期權市場數據快照
- 期權高頻數據準備
- 二 期權系列
- [ 50ETF 期權] 1. 歷史成交持倉和 PCR 數據
- 【50ETF期權】 2. 歷史波動率
- 【50ETF期權】 3. 中國波指 iVIX
- 【50ETF期權】 4. Greeks 和隱含波動率微笑
- 【50ETF期權】 5. 日內即時監控 Greeks 和隱含波動率微笑
- 【50ETF期權】 5. 日內即時監控 Greeks 和隱含波動率微笑
- 三 期權分析
- 【50ETF期權】 期權擇時指數 1.0
- 每日期權風險數據整理
- 期權頭寸計算
- 期權探秘1
- 期權探秘2
- 期權市場一周縱覽
- 基于期權PCR指數的擇時策略
- 期權每日成交額PC比例計算
- 四 期貨分析
- 【前方高能!】Gifts from Santa Claus——股指期貨趨勢交易研究