方格精選
【Day 7】聊聊金融數據分析的四個重要package
今天來到第7天了，我們終於擺脫基礎教學，準備要進入數據分析的領域了，今天就是要來先聊聊數據分析中我們會用到最重要的四個package，想要學好數據分析這四個模組就一定需要熟悉
數據分析的第一步
由於現在網路的資源相當豐富，想要完成數據分析不再像以往那麼的困難，其中我們會用到，也最重要的就是這四個模組
- Numpy
- Pandas
- Matplotlib
- Seaborn
之後的篇章中，也會先教會大家這四個模組的操作，這樣一步步的循序漸進，我們在進入股市教學後，你們才能輕易的舉一反三
什麼是Numpy?
Numpy是許多python資料科學套件的基礎，主要是讓使用者可以更輕易的建立一維、二維等陣列的向量(vector)和矩陣(matrix)，並進行高效率的大量資料運算
雖然python處理大量資料時有「list」可以讓我們做到類似矩陣的功效，但list效能表現並不是很理想，而Numpy具備平行處理的能力，可以將操作的動作一次套用在大型矩陣上，幫助我們做到更多方法建立多維度的數據和矩陣運算，像是Pandas就是建立在Numpy的基礎所延伸出來的模組
什麼是Pandas?
先說這裡的Pandas不是很多隻熊貓的意思唷!!這裡的Pandas是一個基於Numpy所延伸出來的模組，在處理數據上相當的好用且簡單，只需要透過標籤列和索引值就能輕易的處理數據
而Pandas中有兩個特有的資料結構，那就是「Series」與「DataFrame」
- Series : Series是一個類似陣列的物件，裡面包含陣列的資料，與Numpy陣列不同的地方是Series可以定義自己的索引值(index)，可以想像成是Dictionary的進化版
- DataFrame : DataFrame就像我們在使用的Excel表格一樣，是一個二維的數據，包含了索引值(index)與標籤列(column)，我們可以透過index跟column輕鬆的找到某筆資料，並且進行操作
什麼是Matplotlib?
Numpy跟Pandas都是在用於資料的處理，但當我們將資料處理好後，到底該如何分析給其他人一目了然呢?
沒錯，這時就要用到Matplotlib這個模組了，Matplotlib是python中用來繪圖所用，包含了大量的繪圖工具，你可以建立像是散點圖、長條圖、熱力圖等等圖表，並且許多流行的繪圖模組也都被設計與Matplotlib結合使用
什麼是Seaborn?
Seaborn本質上是一個基於Matplotlib庫的高級API，它包含更適合處理圖表的默認設置，此外還有豐富的可視化庫，包含一些複雜的類型，像是時間串行、聯合分佈圖、小提琴圖等等，讓使用者更輕易的建立圖表，可以說是Matplotlib的補強工具
總結
今天雖然沒有程式碼的教學，但這四個模組將會陪伴我們在金融數據分析領域中一輩子，除非往後有更強大更好用的麼模組取代掉它們，先了解好它們究竟是做什麼的，這樣在使用上才能更加靈活運用
即將進入廣告，捲動後可繼續閱讀
為什麼會看到廣告
174會員
59內容數
我出生於財務金融與資訊背景，滿20歲便開始踏入股市。從當初對股市一無所知的菜鳥，到現在成為一名專注於AI股市研究的分析師，這是我的成長歷程。
我崇尚彼得·林區所強調的理念，認為在生活和工作中觀察，從周遭環境中挑選出適合投資的股票，並搭配近期快速崛起的程式交易、大數據分析等AI技術，立志打造輕鬆又便利的投資之路。
留言0
查看全部
你可能也想看
Google News 追蹤
嘿，大家新年快樂~ 新年大家都在做什麼呢？
跨年夜的我趕工製作某個外包設計案，在工作告一段落時趕上倒數。
然後和兩個小孩過了一個忙亂的元旦。在深夜時刻，看到朋友傳來的解籤網站，興致勃勃熬夜體驗了一下，覺得非常好玩，或許有人玩過了，但還是想寫上來分享紀錄一下~
Pandas 是 Python 的一個強大數據操作與分析庫。它提供高效且靈活的資料結構，如 Series 和 DataFrame，適合用於資料清理、操作及分析。在本教學中，我們將深入探討 Pandas 的核心功能，並以範例展示如何進行資料處理。
pandas是用於資料操縱和分析的Python軟體庫。它建造在 NumPy 基礎上，並為操縱數值表格和時間序列，提供了資料結構和運算操作。
Pandas 的主要資料結構包含 Series 和 DataFrame 物件，由於 Pandas 本身基 Numpy 所以在使用大量資料運算時效能表現也優於原
NumPy 是 Python 語言的一個擴充程式庫，支援高階大規模的多維陣列與矩陣運算的數學函式函式庫。
NumPy 2.0.0 是自 2006 年以來的第一個主要發行版本，此重要版本標誌著 NumPy 發展歷程中的一項重要里程碑，為使用者提供了豐富的增強功能和改進，並為未來的功能開發奠定了基礎。
Python的模組和庫是可重用的程式碼塊，可透過import語句引入。特定部分可以透過from和import引入，並可使用as指定別名。第三方模組可透過pip工具安裝並在程式碼中使用。此外，也可以創建自定義模組並在其他Python文件中引用。
NumPy（Numeric Python）是Python中用於科學計算的核心庫之一。它提供了高性能的多維陣列對象（即ndarray）以及用於處理這些陣列的各種函數和工具。
在NumPy中，有幾個常用的指令可以用來創建陣列
古有四大名著，現今Python四大容器🤣
哪四個？list串列,tuple元組,dict字典,set集合。
那這四個怎麼分？
一起來看看吧！
（以下有手寫與上機實際測試請付費觀看）
以上我精心整理主要會使用到的功能
當然python功能太多了，肯定不只。
實際操作：
大概就這樣？(
本文介紹瞭如何使用 Python pandas 進行資料分析，包括如何使用 corr() 函數針對數字類型的欄位進行分析，以及如何刪除不需要的欄位和取得想要的小數位數。
NumPy在圖像處理、機器學習、數學和統計學等領域中被廣泛應用。
以下是一些常見的應用場景：
數據處理和分析： NumPy提供了高效的多維數組（nd array）和相應的操作函數，使得對大型數據集進行快速、有效的操作變得容易。
本文讓我們來淺談一下類別是什麼?
若想看詳細一點的python官方教學可點此連結
Python 的類別（Class）是一種面向物件導向程式設計的概念，讓你能夠創建具有屬性和方法的物件。類別是對現實世界中事物的抽象，它包含數據和操作這些數據的方法。它非常的抽象，想像一個類別就像是一個蛋糕模具，
嘿，大家新年快樂~ 新年大家都在做什麼呢？
跨年夜的我趕工製作某個外包設計案，在工作告一段落時趕上倒數。
然後和兩個小孩過了一個忙亂的元旦。在深夜時刻，看到朋友傳來的解籤網站，興致勃勃熬夜體驗了一下，覺得非常好玩，或許有人玩過了，但還是想寫上來分享紀錄一下~
Pandas 是 Python 的一個強大數據操作與分析庫。它提供高效且靈活的資料結構，如 Series 和 DataFrame，適合用於資料清理、操作及分析。在本教學中，我們將深入探討 Pandas 的核心功能，並以範例展示如何進行資料處理。
pandas是用於資料操縱和分析的Python軟體庫。它建造在 NumPy 基礎上，並為操縱數值表格和時間序列，提供了資料結構和運算操作。
Pandas 的主要資料結構包含 Series 和 DataFrame 物件，由於 Pandas 本身基 Numpy 所以在使用大量資料運算時效能表現也優於原
NumPy 是 Python 語言的一個擴充程式庫，支援高階大規模的多維陣列與矩陣運算的數學函式函式庫。
NumPy 2.0.0 是自 2006 年以來的第一個主要發行版本，此重要版本標誌著 NumPy 發展歷程中的一項重要里程碑，為使用者提供了豐富的增強功能和改進，並為未來的功能開發奠定了基礎。
Python的模組和庫是可重用的程式碼塊，可透過import語句引入。特定部分可以透過from和import引入，並可使用as指定別名。第三方模組可透過pip工具安裝並在程式碼中使用。此外，也可以創建自定義模組並在其他Python文件中引用。
NumPy（Numeric Python）是Python中用於科學計算的核心庫之一。它提供了高性能的多維陣列對象（即ndarray）以及用於處理這些陣列的各種函數和工具。
在NumPy中，有幾個常用的指令可以用來創建陣列
古有四大名著，現今Python四大容器🤣
哪四個？list串列,tuple元組,dict字典,set集合。
那這四個怎麼分？
一起來看看吧！
（以下有手寫與上機實際測試請付費觀看）
以上我精心整理主要會使用到的功能
當然python功能太多了，肯定不只。
實際操作：
大概就這樣？(
本文介紹瞭如何使用 Python pandas 進行資料分析，包括如何使用 corr() 函數針對數字類型的欄位進行分析，以及如何刪除不需要的欄位和取得想要的小數位數。
NumPy在圖像處理、機器學習、數學和統計學等領域中被廣泛應用。
以下是一些常見的應用場景：
數據處理和分析： NumPy提供了高效的多維數組（nd array）和相應的操作函數，使得對大型數據集進行快速、有效的操作變得容易。
本文讓我們來淺談一下類別是什麼?
若想看詳細一點的python官方教學可點此連結
Python 的類別（Class）是一種面向物件導向程式設計的概念，讓你能夠創建具有屬性和方法的物件。類別是對現實世界中事物的抽象，它包含數據和操作這些數據的方法。它非常的抽象，想像一個類別就像是一個蛋糕模具，