Švelnus grįžtamas šilumos kartos generavimas naudojant NSEpy ir Seaborn

Our Miss Brooks: The Bookie / Stretch Is In Love Again / The Dancer (Liepa 2019).

Anonim

Visi mėgsta vizualizuoti šią rinką savo nuožiūra. Python yra patogus, kai ateina į vizualizaciją. Vienas iš nuostabių programavimo kalbų, koduojančių bet kokį sudėtingumo lygį. Tačiau aš pradedu čia, tiesiog sukurdamas "Heatmap", kuris vaizduoja "Historical Nifty" grąžą nuo 2000 m. Ir ten, vizualizuojant rinkos realybę.

Gražus istorinis grįžtamasis šilumokaitis (procentais)

Štai keletas pagrindinių "Python" bibliotekų, reikalingų vertybinių popierių rinkos duomenų vizualizavimui

IPython (interaktyvusis "Python")
Seaborn (statistinių duomenų vizualizavimo paketas)
Pandas ("Python" biblioteka tvarkydama laiko eilučių duomenis)
NSEpy ( Iškvietimas Istoriniai duomenys iš NSEpy - NSEpy 0, 3 ver. Arba aukštesnė)
Matplotlib ("Python" biblioteka, skirta 2D braižymui tvarkyti)

Pavyzdys "IPython Notebook", skirtas generuoti "Nifty Spot", grąžina šilumos žemėlapį žemiau:

Supaprastinta versija

$ Trunkanti mėnesio grąža. Supaprastintas #Python kodas: //t.co/1hROEONDd5 Įkvėptas kodas, kurį dalijasi _ pic.twitter.com/TDx1SHjFAw

- Uptickr (@uptickr) 2016 m. Kovo 12 d

Atsargų grįžimo šilumos schema - "Ipython" užrašinė