Telegram Web Link
کار با مقادیر از دست رفته در پایتون، ماژول Numpy - بخش سوم

احتمالا Numpy رایجترین کتابخانه پایتون است که در همه کارکردهای پایتون از آن استفاده می شود. البته در Numpy مقادر None با nan متفاوت هستند. nan نشان دهنده not a number است، یعنی یک مقدار غیر عددی. برای مثال در حالت هایی که پاسخ به طور کلی تعریف نشده باشد با nan مواجه می شویم. برای مثال اگر جذر یک عدد منفی را بخواهید محاسبه کنید یا از یک عدد منفی لگاریتم بگیرید نتیجه یک مقدار nan خواهد بود. البته در محاسبات اگر یک مقدار nan‌ را مثلا با عددی جمع یا از عددی کسر کنید پیام خطا دریافت نمی کنید اما نتیجه همیشه nan خواهد بود. در صورتی که وجود مقادیر None در محاسبات باعث ایجاد خطای Run time می شود.

#missing_values
#داده_ازدست_رفته
#پایتون_مالی

@python4finance
کار با مقادیر از دست رفته در پایتون، ماژول Pandas- بخش چهارم

پانداس مهمترین کتابخانه پایتون برای کار با داده هاست. در پانداس هم None و هم np.nan‌ به عنوان مقادیر nan در نظر گرفته می شوند و در محاسبات بدون خطا ظاهر می شوند. البته همانطور که گفته شد حاصل هر عمل ریاضی با مقادیر nan مقدار nan خواهد بود.
پانداس برای کار با داده های nan‌ توابع زیر را درنظر گرفته است.

isnull()
notnull()
dropna()
fillna()
replace()
interpolate()
در مثال این پست که تصویر آن ضمیمه شده است، تعداد مقادیر nan در یک دیتافریم محاسبه و نمایش داده می شود.
ان شاء الله در پست های آتی در خصوص سایر توابع صحبت خواهیم کرد.

#missing_values
#داده_ازدست_رفته
#پایتون_مالی

@python4finance
This media is not supported in your browser
VIEW IN TELEGRAM
چگونه کدهایی تمیز و خوانا بنویسیم؟

یک ویدئو بسیار خوب جهت آشنایی با Pep8
برنامه نویسان حرفه ای علاوه بر اینکه به دنبال نوشتن برنامه ای هستند که منطق برنامه را به خوبی اجرا کند، می خواهند برنامه آنها خوانایی بالایی داشته باشد و اصلاحا برنامه تمیز نوشته شود.
خوشبختانه پایتون برای بالابردن کیفیت برنامه های نوشته و استاندارد شدن آنها یکسری استانداردهایی با تحت عنوان (PEP-Python Enhancement Proposal) منشتر کرده است. pep8 یکی از این استانداردهاست که در واقع پیشنهاد و دستورالعمل هایی برای نوشتن کدهای تمیز و خوانایی در زبان پایتون است.
در فیلم این پست، برخی از دستور العمل های استاندارد pep8 ذکر شده است.

#pep8
#پایتون_مالی
#ویدئو

@python4finance
Datacamp-introduction python4financ.rar
1.4 MB
اسلایدهای درس «آشنایی با پایتون برای مالی-مقدماتی» موسسه DataCamp

در این اسلایدها مفاهیم اولیه کار با پایتون و مدلسازی مالی ذکر شده است. مطالعه این اسلایدها که بسیار استاندارد و قابل فهم تهیه شده اند را به همه عزایزان توصیه می کنم.

اسلایدها در ضمیمه این پست قرار داده شده است.

#اسلاید
#اقتصاد
#پایتون_مالی

@python4finance
کار با مقادیر از دست رفته در پایتون، ماژول Pandas- بخش پنجم (پایانی)

در پست های قبل در خصوص داده های از دست رفته صحبت کردیم. پانداس امکانات بسیار خوبی را برای کار با توابع از دست رفته در اختیار قرار می دهد.
معمولا یا داده های از دست رفته را حذف می کنیم (dropna) یا آنها را با یک مقدار ثابت جابجا می کنیم (replace و fillna) یا آنها را با نزدیک ترین مقدار قبلی یا بعدی پر می کنیم (fillna). البته می توانیم با استفاده از توابع شرطی تصمیم خاصی روی آنها بگیریم (notnull و isnull)
در تصویر این پست، نحوه عملکرد برخی توابع کار با داده های از دست رفته نشان داده شده است.

#پانداس
#pandas
#fillna
#bfill
#ffill

پایتون برای مالی در تلگرام https://www.tg-me.com/python4finance
پایتون برای مالی در بله https://ble.im/python4finance
فیلتر کردن مقادیر در پایتون با تابع filter

امروزه پایتون به یکی از محبوبترین زبان های برنامه نویسی برای علم داده و مدلسازی مالی تبدیل شده است و واقعا این اتفاقی نیست! پایتون حجم زیادی از توابع مفید را به صورت پیشفرص در درون خود جای داده است.
برای مقال فرض کنید به صورت روزانه میزان رشد سهام سبد پورتفوی خود را محاسبه می کنید. (قبلا در این خصوص صحبت کرده ایم) حالا می خواهید بازده سهامی که بیش از 10 درصد رشد داشته اند را مشخص کنید. برای این منظور از یکی از توابع داخلی پایتون به نام فیلتر استفاده می کنیم. تابع فیلتر دو مقدار را دریافت می کند. یکی تابع شرط ما، یعنی تابعی که می خواهیم محاسباتی را انجام دهد و مقادیر حائز شرایط را مشخص کند. دیگر مقدار ورودی است یعنی همان مقادیری که می خواهیم شرط مورد نظر روی آن ها استفاده شود.

برنامه نمونه در تصویر این پست نشان داده شده است.

#فیلتر_داده
#پایتون_مالی
#filter

پایتون برای مالی در تلگرام https://www.tg-me.com/python4finance
پایتون برای مالی در بله https://ble.im/python4finance
نمایش شاخص S&P500 (وضعیت 500 شرکت برتر بورس نیورک)

در این برنامه شاخص S&P از ابتدای سال 2020 تا امروز رسم شده است. به ریزش بازار سهام در ابتدای پیدایش ویروس کرونا و بعد، از بین رفتن آثار آن در طی این مدت دقت فرمایید.

#شاخص
#پایتون_مالی
#S&P
#pandas_datareader


پایتون برای مالی در تلگرام https://www.tg-me.com/python4finance
پایتون برای مالی در بله https://ble.im/python4finance
ثبت نام
وبینار رایگان «آشنایی با شیوه های کشف تقلب در صنعت مالی با python»

🔅زمان: دوشنبه 12 آبان، از ساعت21 الی 22

شرکت در این وبینار جذاب را به همه عزیزان توصیه می کنم.

لینک ثبت نام در وبینار:
http://python4finance.ir/reg3.htm


عضویت در کانال پایتون برای مالی 👇👇👇
https://www.tg-me.com/python4finance
دوره آنلاین «مدل سازی مالی با پایتون پیشرفته»
سرفصل دوره:
آشنایی با Anaconda و کاربرد آن در محاسبات پیشرفته
کار با داده ها با Pandas
سایر کتابخانه های پایتون مرتبط با تجزیه و تحلیل مالی
ریسک سیستماتیک و غیر سیستماتیک
تجزیه و تحلیل رگرسیون
ضرایب آلفا و بتا
محاسبه نیکویی برازش (R2)
محاسبات مرزکارا مارکویتز
مدل قیمت گذاری دارایی های سرمایه ای (CAPM)
نسبت شارپ
تجزیه و تحلیل رگرسیون چند متغیره
شبیه سازی مونت کارلو
مثال های کاربردی سری های زمانی
و ....

شروع از 4 آبان 1399
روزهای یکشنبه – سه شنبه
ساعت 20 الی 22
مدرس: آقای دکتر محمدصادق کریمی مهرآبادی

پیش نیاز این دوره آشنایی با مباحث دوره مقدماتی است (لینک)
شرکت برای عموم افراد (آقایان و خانم ها) آزاد است
به پذیرفته شدگان در آزمون پایانی گواهی مرکز آموزش های آزاد و مجازی دانشگاه الزهرا(س) اعطا خواهد شد.

🌐 لینک ثبت نام
www.tg-me.com/azvclc
پایتون 3.9 سریعتر از همیشه
پایتون 3.9 در تاریخ 2020-10-05 منتشر شد و عمدتا شاهد بهبود عملکرد پایتون و نیز چند فیچر جدید هستیم.
یکی از دغدغه های توسعه دهندگان پایتون علی الخصوص در ریلیزهای اخیر بحث بهبود سرعت بوده است. در پایتون 3.8 ، پروتکل Vectorcall معرفی شد. هدف این پروتکل سریعتر کردن توابع با کاهش یا حذف آبجکت های موقتی بود. در پایتون 3.9 بسیاری از توابع داخلی پایتون مانند range, tuple, set, frozenset, list, dict از Vectorcall استفاده می کنند.
ویژگی مهم دیگر بهبود تحلیلگر سینتکس (یا parser) با استفاده از CPython است که نسبت به parser قبلی سرعت بسیار بالاتری را در اجرای برنامه ها به ارمغان می آورد.
در پست های بعد در خصوص سایر ویژگی های جدیدی که به پایتون اضافه شده است صحبت خواهیم کرد.

#پایتون3.9
#پایتون_مالی

پایتون برای مالی در تلگرام https://www.tg-me.com/python4finance
پایتون برای مالی در بله https://ble.im/python4finance
خصوصیات جدید پایتون 3.9
در پایتون 3.9 ویژگی های جالبی اضافه شده است. یکی از این ویژگی ها حذف پسوند یا پیشوند است. فرض کنید نام همه سهامی که در برنامه استفاده کرده اید با IR_ به معنای ایران آغاز شده است. البته پیش از این با استفاده از sliceing (مثلا چیزی مانند[2:10]) می توانستید قسمت مورد نظر را انتخاب کنید، اما خب الان با استفاده از متدهای .removeprefix و .removesuffix به راحتی می توانید پیشوند و پسوندها را حذف کنید.
ویژگی دیگر کار با دیکشنری هاست که بسیار ساده تر شده است.
در تصویر این پست این تغییرات با مثال نشان داده شده است.

#پایتون3.9
#پایتون_مالی

پایتون برای مالی در تلگرام https://www.tg-me.com/python4finance
پایتون برای مالی در بله https://ble.im/python4finance
معرفي کتاب «آشنايي با برنامه نويسي علمي با پايتون» به انگليسي «Introduction to Scientific Programming With Python»
اين کتاب که در سال 2020 نوشته شده است، به معرفي پايتون در قالب مثال هاي کوتاه و کاربردي مي پردازد. سطح کتاب مبتدي است و براي افرادي که مي خواهند با پايتون به صورت اصولي آشنا شوند توصيه مي شود.

#معرفی_کتاب
#پایتون_مالی


پایتون برای مالی
https://www.tg-me.com/joinchat-AAAAAFGMkouqbsb86Vfzug
@python4finance_Introduction_to_Scientific_Programming_With_Python.pdf
1.9 MB
معرفي کتاب «آشنايي با برنامه نويسي علمي با پايتون» به انگليسي «Introduction to Scientific Programming With Python»

#معرفی_کتاب
#پایتون_مالی


پایتون برای مالی
https://www.tg-me.com/joinchat-AAAAAFGMkouqbsb86Vfzug
Media is too big
VIEW IN TELEGRAM
اگر علاقه مند هستید تا
🔸کارهای روزانه یک دانشمند داده را بدانید
🔸نقش های مختلف دانشمند داده را بدانید
🔸درآمد سالانه دانشمند داده را بدانید
دیدن این ویدئوی کوتاه و زیبا را به شما توصیه می کنم.

#ویدئو
#پایتون_مالی
#علم_داده
#دانشمند_داده


پایتون برای مالی
https://www.tg-me.com/joinchat-AAAAAFGMkouqbsb86Vfzug
Forwarded from Python4Finance
سوالات متداول

از آنجایی که خیلی از عزیزان در خصوصی سوالات زیر را پرسیده اند و این سوالات قبلا در کانال پاسخ داده شده است، من عناوین سوالات و پاسخ آنها را جهت مرور خدمت شما قرار می دهم.

🔸چرا پایتون یاد بگیرم؟
پاسخ
🔸بهترین منابع برای یادگیری پایتون کدام است؟
پاسخ
🔸سوالاتمان در خصوص پایتون را از کجا بپرسیم؟
پاسخ
🔸پایتون برای چه رشته هایی مناسب است؟
پاسخ
🔸مسیر یادگیری را ترسیم نمایید.
پاسخ
🔸متوسط درآمد یک مدلساز مالی چقدر است؟
پاسخ
🔸کاربردهای مدلسازی مالی چیست؟
پاسخ
🔸یادگیری ماشین چیست و کاربرد آن در مالی چگونه است؟
پاسخ
🔸پایتون یا اکسل، کدام بهتر است؟
پاسخ
🔸پایتون یا R ، کدام یک را یاد بگیرم؟
پاسخ
🔸آیا پایتون جایگزین MQL می شود؟
پاسخ
🔸خروجی پایتون چیست؟ (پایتون در کجا اجرا می شود؟)
پاسخ
🔸میزان استفاده از پایتون در حیطه های مختلف چگونه است؟
لینک
🔸پایتون برای اقتصاد سنجی مناسب است؟
پاسخ
🔸آیا پایتون برای هوش تجاری مناسب است؟
پاسخ
🔸آیا روش های معاملات الگوریتمی همان روش های تحلیل تکنیکال است؟
پاسخ
🔸آیا در ایران امکان معاملات الگورتیمی وجود دارد؟
پاسخ
🔸طریقه دریافت اطلاعات از TSETMC (بورس ایران)
پاسخ
🔸راه آسان دریافت اطلاعات از بورس تهران چیست؟ (ماژول دریافت اطلاعات از بورس تهران)
پاسخ
🔸کانال آپارت جهت مشاهده وبینارهای علم داده و یادگیری ماشین و جادوی سری های زمانی
لینک
🔸فیلم آموزشی «دریافت اطلاعات بورس ایران با پایتون کتابخانه pandas»
لینک
🔸مشاهده کتاب های معرفی شده در کانال
#معرفی_کتاب
🔸مشاهده اسلایدهای آموزشی ارائه شده در کانال
#اسلاید_آموزشی


🔸 چگونه از برگزاری دوره ها مطلع شوم؟ (پیش ثبت نام در دوره های آموزشی)
پاسخ


#پایتون_مالی
#پاسخ_سوالات
#FAQ
عضویت در کانال 👇👇👇

پایتون برای مالی در تلگرام https://www.tg-me.com/python4finance
پایتون برای مالی در بله https://ble.im/python4finance
MACHINE LEARNING CHEATSHEET.pdf
1.3 MB
برگه خلاصه مرور (برگه تقلب) آشنایی با یادگیری ماشین و مدل های آن

#یادگیری_ماشین
#خلاصه_مرور
#برگه_تقلب
#پایتون_مالی

پایتون برای مالی در تلگرام https://www.tg-me.com/python4finance
پایتون برای مالی در بله https://ble.im/python4finance
رسم نمودارهای مثبت و منفی در Matplotlib
در ادامه یک نمونه کد برای رسم نمودارهایی که مقادیر مثبت و منفی با رنگ های مختلف نمایش داده شده اند با استفاده از کتابخانه matplotlib قرار داده شده است.

import matplotlib.pyplot as plt
x = range(7)
data_pos = [1,0,3,0,6,2,0]
data_neg = [0,-2,0,-6,0,0,-2]

plt.bar(x, data_pos, width=1, color='b')
plt.bar(x, data_neg, width=1, color='r')
plt.show()

#نمودار
#پایتون مالی
#matplotlib

@python4finance
میلاد با سعادت حضرت ختمی مرتبت، رحمه للعالمین، رسول مهر و عطوفت، فخر عالم امکان حضرت محمد مصطفی(ص) و امام جعفر صادق (ع) مبارک باد.

@python4finance
مشکل در نصب ماژول های پایتون
ممکن است در هنگام نصب ماژول های پایتون مانند Pandas یا Matplotlib با صفحه خطایی مانند آنچه در تصویر این پست مشاهده می فرمایید مواجه شده باشید.
این موضوع عموما به این دلیل است که نسخه جدیدی از پایتون منتشر شده است و ماژول برای سازگاری نیازمند تغییراتی از سوی سازنده است. راهکار این موضوع این است که برای آپدیت به ورژن جدید پایتون چند هفته ای صبر کنید و فعلا از ورژن قدیمی تر پایتون استفاده نمایید.

#پایتون_مالی

@python4finance
معرفی کتاب «Machine Learning & Data Science Blueprints for Finance»
امروزه یادگیری ماشین نقش بسیار مهمی در صنعت مالی پیدا کرده است و این نقش روزانه در حال گسترش است. معاملات الگوریتمی، مدیریت پورتفولیو و ربات های توصیه گر، کشف تقلب، تعیین اعتبار افراد، مدیریت ریسک، پیش بینی قیمت دارایی ها، قیمت گذاری اوراق مشتقه و ... از جمله کاربردهای یادگیری ماشین در صنعت مالی است. در کتاب «Machine Learning & Data Science Blueprints for Finance» یادگیری ماشین با زبانی ساده و شیوا به همراه مثال های کاربردی با استفاده از زبان شیرین python در صنعت مالی توضیح داده شده است.

#معرفی_کتاب
#یادگیری_ماشین
#پایتون_مالی

عضویت در کانال 👇👇👇

پایتون برای مالی در تلگرام www.tg-me.com/python4finance
پایتون برای مالی در بله ble.im/python4finance
2024/09/23 13:22:47
Back to Top
HTML Embed Code: