地球引擎有一个用户界面API,允许用户直接从JavaScript代码编辑器中构建和发布交互式Web应用。许多读者会在其他章节中遇到对ui.Chart的调用,但还有更多的界面功能可用。特别是,用户可以利用ui函数来为他们的地球引擎脚本构建整个图形用户界面(GUI)。GUI可以包括简单的部件(如标签、按钮、复选框、滑块、文本框)以及更复杂的部件(如图表、地图、面板)来控制GUI布局。关于ui部件的完整列表和关于面板的更多信息可以在下面的链接中找到。一旦GUI构建完成,用户可以通过点击代码编辑器中脚本面板上方的应用程序按钮,从JavaScript代码编辑器中发布应用程序。
Jupyter是一个交互式的 Python 开发环境,以 Ipython Kernel 为执行引擎,支持多种前端(Jupyter Notebook,Jupyter Lab,VS Code Jupyter 拓展),围绕.ipynb 格式的 notebook 文件,支持将代码、文档、图表、数学公式等内容整合在一起,方便用户进行交互式的开发。
原文链接:http://tecdat.cn/?p=2784 之前在某社区中看到一篇帖子《一张价值几十万个跌停的统计表》,主要是预测即将被ST的股票,虽然有些标题党,但是还有有一些参考价值的。文章中使
之前在某社区中看到一篇帖子《一张价值几十万个跌停的统计表》,主要是预测即将被ST的股票,虽然有些标题党,但是还有有一些参考价值的
今天的主题是 Excel,相信大家都比较熟悉吧。而且我相信,大家在日常使用 Excel 的时候,肯定会遇到很多重复繁琐的工作,因为我也同样遇到过。这个时候我通常都会思考下,有没有办法让繁琐的事情变得简单些呢,毕竟我们是 Python 使用者嘛!
假设我们有一段程序,从 Redis 中读取数据,解析以后提取出里面的 name 字段:
今天继续五分钟学系列,今天的主题是 Excel,相信大家都比较熟悉吧。而且我相信,大家在日常使用 Excel 都时候,肯定会遇到很多重复繁琐都工作,因为我也同样遇到过。这个时候我通常都会思考下,有没有办法让繁琐都事情变得简单些呢,毕竟我们是 Python 使用者嘛!
股市跌宕起伏。7 月初 A 股飙升,股票瞬间成为大家的热门讨论话题,「现在入场还来得及吗?」几乎成为新的问候语。
关于程序中的交互的行为我们其实一直都在发生,比如,当你要获取用户的输入内容,并向用户打印出一些返回的结果,就会用到了 input() 与 print() 函数。
量化回测,苦于MySQL久矣,特别是进行股票日内因子构建分析或全市场因子测试的时候,每当按下回车时,MySQL就跟丢了魂一样,查询费时,大吞吐量读取也非常耗时。虽然MySQL的优化技巧足够写一本书,但这些都需要交给专业的DB工程师去做,量化打工人没有能力更没有时间倒腾这些。那有没有省时省力,高效存储股票行情数据的解决办法呢。带着这个问题,编辑部简单的搜索了一下,总体分为几个方案:
正则表达式很好用,但是却很难阅读和创建。有没有办法可以轻松地编写更可读的正则呢?Python的包Pregex就解决了这个问题。
今天要分享的是think-cell chart系列的第10篇——饼图。 饼图的使用频率非常高,非常适合用来展现数据的结构构成及成分对比,今天就教大家如何使用think-cell chart这款插件来制
Python 操作 Excel 可能是自动化办公最火热的需求了,看一看公众号文章底部的视频广告就知道了,里面尽是一些 5 分钟搞定 excel,将数据生成漂亮的图表。
Python中,matplotlib可以视为数据可视化的基准和主力。尽管有许多其他的可视化库,但是matplotlib已经确立了一个标杆,在许多情况下,它都是健壮、可靠的可视化工具。在标准的绘图工作中
为了演示我的意思,采用两个大致相同的程序(C中的第一个,python中的另一个):
昨天晚上看到一个关于股票的矩形树状图 (tree map),真的太酷了,传达的信息太多了。
数据可视化大致可分为两类,一类是 excel、powerBI 这类不需要写代码的,另一类是需要写代码的;而对于 Python 来说,数据可视化框架,我个人觉得大致可以分为以下两类(推荐程度从高到底)
在《【Power BI VS Tableau】 可视化篇(上)》中我们提到,Tableau具有极其强大的可视化能力,可以创作天马行空般的图表。这也是让它跻身BI界领头羊梯队的关键能力之一。那么,单看可视化,有没有哪些工具能媲美Tableau呢?本文的主角——Plotly,就是答案之一。
我们在【重磅来袭】在Power BI 中使用Python(4)——PQ数据导出&写回SQL 讲过如何在Power BI中调用Python实现powerquery获取和处理的数据回写到MySQL中。
从数据获取的步骤过来后我们就获取到需要的数据了,但是这样的数据我们还没办法直接使用,需要做进一步的处理,这就是数据清洗
需求缘起 大部分互联网的业务都是“读多写少”的场景,数据库层面,读性能往往成为瓶颈。如下图:业界通常采用“一主多从,读写分离,冗余多个读库”的数据库架构来提升数据库的读性能。 这种架构的一个潜在缺点
翻译 | AI科技大本营(rgznai100) 参与 | 刘畅 编辑 | 周翔 【AI科技大本营导读】最近,A股尤其是上证指数走势凌厉,让营长有种身在牛市中的错觉。然而大盘天天涨,营长账户中还是那几百万,甚至还有所缩水。夜深人静的时候,营长常常会点着一支烟,思索到底有没有一个完美的算法,可以预测股价的涨跌,这样就可以早日实现财务自由,走向人生巅峰。这时,一篇外国友人的文章成功引起了营长的注意,看完后备受启发,所以我们将其编译后,分享给大家。 友情提醒:股市有风险,投资需谨慎。 对数据科学家来说,预测证券
谢谢大家的支持!现在该公众号开通了评论留言功能,你们对每篇推文的留言与问题,可以通过【写评论】给圈主留言,圈主会及时回复您的留言。 想在市场上赚钱,必须同时具备两样能力: 研究:做出正确的能够获利的决策,也就是寻找Alpha的能力 交易:基于研究的结果和交易信号,执行相应的下单风控等操作,也就是将Alpha落实到你账户盈利上的能力 研究方面 python编程能力: python基础编程,必须掌握,不仅仅是会语法,还有各种语言细节的坑(当然比C++少很多)。对于常年使用R MATLAB SAS的研究人员来
在 时间序列数据和MongoDB中:第一部分 - 简介 我们回顾了您需要了解的关键问题,以了解数据库的查询访问模式。在 时间序列数据和MongoDB:第二部分 - 模式设计最佳实践中, 我们探讨了时间序列数据的各种模式设计选项以及它们如何影响MongoDB资源。在这篇博文中,我们将介绍如何查询,分析和呈现MongoDB中存储的时间序列数据。了解客户端如何连接以查询数据库将有助于指导您设计数据模型和最佳数据库配置。查询MongoDB有多种方法。您可以使用本机工具(如 MongoDB Shell 命令行)和 MongoDB Compass(基于GUI的查询工具)。通过一系列以编程方式访问MongoDB数据 MongoDB驱动程序。几乎所有主要的编程语言都有驱动程序,包括C#,Java,NodeJS,Go,R,Python,Ruby等等。
前言 我国股票投资者数量为15975.24万户, 如此多的股民热衷于炒股,首先抛开炒股技术不说, 那么多股票数据是不是非常难找,找到之后是不是看着密密麻麻的数据是不是头都大了? 今天带大家爬取雪球平台
经济学人杂志除了色彩鲜明的文章之外,其在数据可视化方面也自成一派。绝妙的颜色搭配,风格鲜明的图表总能让读者过目不忘。
概述 和Python计算环境中的tushare包一样,在R中我们使用quantmod包接入第三方数据源,实现自定义量化分析平台的构建。 本文打算以陌陌的股票分析为背景,介绍如何通过quantmod包构
本篇文章是”Python股市数据分析”两部曲中的第一部分,内容基于我在犹他州立大学MATH 3900 (Data Mining)课程上的一次讲座。在这些文章中,我将介绍一些关于金融数据分析的基础知识,例如,使用pandas获取雅虎财经上的数据,股票数据可视化,移动均线,开发一种均线交叉策略,回溯检验以及基准测试。第二篇文章会介绍一些实践中可能出现的问题,而本篇文章着重讨论移动平均线。 注意:本篇文章所涉及的看法、意见等一般性信息仅为作者个人观点。本文的任何内容都不应被视为金融投资方面的建议。此外,在此提供的
摘要:本篇文章是"Python股市数据分析"两部曲中的第一部分,主要介绍金融数据分析的背景以及移动均线等方面的内容。 本篇文章是"Python股市数据分析"两部曲中的第一部分,内容基于我在犹他州立大学MATH 3900 (Data Mining)课程上的一次讲座。在这些文章中,我将介绍一些关于金融数据分析的基础知识,例如,使用pandas获取雅虎财经上的数据,股票数据可视化,移动均线,开发一种均线交叉策略,回溯检验以及基准测试。第二篇文章会介绍一些实践中可能出现的问题,而本篇文章着重讨论移动平均线。 注意:
做了3年报表的我,从只会vlookup开始学Excel,中间也穿插学习了一些VBA和Access。原以为精通Excel可以走天下,但是越到后面越发现遇到了瓶颈。领导希望报表出的越快越好,数据不能有差错,图表要精美可视化要好看......但殊不知:
从本篇文章开始要写一个新的可视化库的系列文章:Highcharts。对这个库来自官网的赞美:
欢迎来到Python 在Finance上的应用第二讲,在这一篇文章中,我们将对股票数据做进一步的处理及可视化。最开始使用的Code如下(前一篇文章有提到):
在Python中定义一个函数时,就会把变量空间划分为全局变量(global)与局部变量(local),如果是定义在一个类的成员函数中,那么就还有额外的成员变量(self)空间。那么,如果在实际操作中,想把这几种不同的变量空间做一个分离的话,有没有办法呢?
sina股票实时数据接口eg:http:hq.sinajs.cnlist=sh600389返回gb2312编码的内容:var hq_str_sh600389=江山股份,15.31,15.74,15.68,16.02,15.16,15.68,15.69,4044916,62900903,3350,15.68,9700,15.60,1000,15.57,2384,15.56,2100,15.54,13100,15.69,73100,15.70,1000,15.72,4000,15.74,14200,15.75,2013-01-11,14:14…
前几天在Python白银交流群【上海新年人】问了一个Pandas处理数据的问题。问题如下:大佬们,有个需求,某一列中,有些单元格中数字太多,比如有20个字符,太难看了,有没有办法,满10个字符就自动换行!
众所周知,chatGPT可以不依赖背景立即有效地回答不精确的问题。它提供带有工作代码的答案。一位美国的Telegram算法交易员,以其所在的项目组的实际问题进行了测试,问题如下:
9:00 你打开电脑,双击各部门交上来的周报,轻车熟路地开始了crtlC,ctrlV工作,把表格统计在一起。 15:00 你发现投资部的表格里多了一个字段,导致你表格结构全错了,你很恼火…… 16:3
因为近期要写嵌套for循环,由于运算量有点大,耗时比较久。所以就在谷歌上搜了搜有没有办法可以提升python for loop的速度,然后就发现了非常好用的模块:Numba
10 月 18 日,2019 中关村论坛平行论坛 ——AI WORLD 2019 世界人工智能峰会在北京启幕。新智元杨静、科大讯飞胡郁、微软王永东、华为王成录、英特尔宋继强、旷视及智源学者孙剑、滴滴叶杰平、AWS 张峥、依图颜水成、地平线黄畅、autowise.ai 黄超等重磅嘉宾中关村论剑,重启充满创新活力的 AI 未来。峰会现场,新智元揭晓 AI Era 创新大奖,并重磅发布 AI 开放创新平台和献礼新书《智周万物:人工智能改变中国》。回放链接:
然而意外的是,在Python的世界里,0.1+0.2≠0.3 ,我们今天一起来看看这个,并且看一下解决办法。
在讲解 seek() 函数和 tell() 函数之前,首先来了解一下什么是文件指针。
如果你想往It行业发展,那么我这里只能大概给一些建议。专业的建议的话,还是自己百度吧
大数据文摘作品,转载要求见文末 作者 | Elaine,田桂英,Aileen 导读:前段时间小白学数据专栏出了一期Python小抄表,后台反应强烈(点击查看大数据文摘小白学数据系列文章《小白学数据之常用Python库“小抄表”》)。确实,数据科学越来越热,但是对于想要学好它的小白们却很头疼一个问题,需要记住的操作和公式实在是太多了!小抄表是很实用的办法,那么今天我们就为大家送出一份大杀器:28张小抄表合辑!不管你是Python或R的初学者,还是SQL或机器学习的入门者,或者准备学习Hadoop,这里都有能满
2、智能标签识别:识别新闻中存在的法人及自然人实体、SAM产品、行业、事件及概念。除了识别出这些标签,算法还能给出这篇新闻与这些标签的相关程度。
今天带大家一起学习一个小众,但很厉害的可视化库mplfinance,一起掌握最灵活的python库来创建漂亮的金融可视化。
要执行此分析,我们需要资产的历史数据。数据提供者很多,有些是免费的,大多数是付费的。在本文中,我们将使用Yahoo金融网站上的数据。
在工作目录中创建一个名为stockVis的新文件夹 下载以下文件放在stockVis中 app.R:https://shiny.rstudio.com/tutorial/written-tutorial/lesson6/stockVis/app.R helper.R:https://shiny.rstudio.com/tutorial/written-tutorial/lesson6/stockVis/helpers.R 使用runApp启动应用程序runApp("stockVis")
内容概要 利用主索引提升SQL的查询效率是我们经常使用的一个技巧,但是有些时候MySQL给出的执行计划却完全出乎我们的意料,我们预想MySQL会通过索引扫描完成查询,但是MySQL给出的执行计划却是通过全表扫描完成查询的,其中的某些场景我们可以利用覆盖索引进行优化。 前些天,有个同事跟我说:“我写了个SQL,SQL很简单,但是查询速度很慢,并且针对查询条件创建了索引,然而索引却不起作用,你帮我看看有没有办法优化?”。 我对他提供的case进行了优化,并将优化过程整理了下来。 优化前的表结构、数据量、SQL、
领取专属 10元无门槛券
手把手带您无忧上云