python - Numpy 数组，数据必须是一维的

Question

我试图用 Python 重现 MatLab 代码，但遇到了 MatLab 矩阵。 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))];

我很难在没有得到“数据必须是一维错误”的情况下创建“X”。下面是我的尝试之一，许多人试图重现这部分代码:

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 yield 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是体积系列的长和宽

crsp['VOL'].to_frame().shape = (9455,1)
Tv, Nv = crsp['VOL'].to_frame().shape

个数数组:

np.ones([Tp,1])

将是 (9455,1)

样本体积数据:

    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

我最终想要实现的是一个 (9455,2) 数组，其中 X.iloc[:,0]=1 和 X.iloc[:,2]=log(price)*volume 每行。

我引用了 MatLab to Numpy 在线文档 (https://docs.scipy.org/doc/numpy-dev/user/numpy-for-matlab-users.html) 并查看了其他各种 StackOverflow 帖子，但均无济于事。

对于上下文，modified_sign 是一个外部函数，prices 是一个 DataFrame 切片，returns 也是。 Np 是价格 DataFrame 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 用于每个系列返回的回归，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。

Answer 1

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，它会创建一个二维数组，其中一维的大小为 1。在 MATLAB 中，这被视为“向量”，但在 numpy 中不是。

所以你需要做的是给 np.ones 一个单一的值。这将产生一个向量(不像在 MATLAB 中它将产生一个二维方阵)。相同的规则适用于 np.zeros 和任何其他将维度作为输入的函数。

所以这应该可行:

X = np.column_stack([np.ones(Tp), sgn*np.log(prices.iloc[:,1])*volumes.iloc[:,1]])

也就是说，通过这种方式，您将失去使用 pandas 的大部分优势。使用日期作为索引将 DataFrame 组合成一个，然后使用计算创建一个新列会好得多。假设日期是索引，这样的事情应该有效(如果日期是索引使用 set_index 使它们成为索引):

data = pd.concat([returns, prices, volumes], axis=1)
data['sign'] = modified_sign(data['ret')
data['X0'] = 1
data['X1'] = data['sign']*np.log(data['AVGPRC'])*data['VOLAVG']

当然你会用更多的信息名称替换 X0 和 X1，我不确定你是否需要 X0 使用这种方法，但这会让您更容易使用数据结构。

此外，如果您的日期是字符串，您应该将它们转换为 pandas 日期。它们比字符串更好用。