py_vollib_vectorized 介绍 py_vollib_vectorized程序包使数以千计的期权合约定价和快速轻松地计算希腊文。 它建立在py_vollib库的顶部。 导入后，它将自动修补相应的py_vollib函数，以支持矢量化。 输入然后可以作为浮点数，元组，列表， numpy.array或pandas.Series 。 在输入上执行自动广播。 除了矢量化之外，对py_vollib的修改还包括其他numba加速。 因此， numba是必需的。 这些加速使py_vollib_vectorized成为定价期权合约最快的库。 有关更多详细信息，请参见。 安装 pip install py_vollib_vectorized 要求 适用于Python 3.5+ 需要py_vollib，numba，numpy，pandas，scipy 代码样本 该库可以以两种方式使用。 导入

文档为python与matlab相关函数及操作互转对应文档，用于python向matlab或者matlab向python转换。

会用Python分析金融数据 or 金融行业会用Python 职场竞争力更高 Python金融数据分析入门到实战 Get√金融行业数据分析必备技能 以股票量化交易为应用场景 完成技术指标实现的全过程 课程选取股票量化交易为应用场景，由股票数据的获取、技术指标的实现，逐步进阶到策略的设计和回测，由浅入深、由技术到思维地为同学们讲解Python金融数据分析在股票量化交易中的应用。 以Python为编程语言 解锁3大主流数据分析工具 Python做金融具有先天优势，课程提取了Python数据分析工具NumPy、Pandas及可视化工具Matplotlib的关键点详细讲解，帮助同学掌握数据分析的关键技能。 2大购课福利

主要介绍了Python+matplotlib+numpy绘制精美的条形统计图，具有一定借鉴价值,需要的朋友可以参考下

一、实验介绍 1.1 实验内容 如果你使用 Python 语言进行科学计算，那么一定会接触到NumPy。NumPy 是支持 Python 语言的数值计算扩充库，其拥有强大的多维数组处理与矩阵运算能力。除此之外，NumPy 还内建了大量的函数，方便你快速构建数学模型。 1.2 实验知识点 NumPy 安装 NumPy 数值类型介绍 1.3 实验环境 Python3 Jupyter Notebook 1.4 适合人群 本课程难度为一般，属于初级级别课程，适合具有 Python 基础，并对使用 NumPy 进行科学计算感兴趣的用户。 二、数学函数 使用 python 自带的运

包括 使用稀疏矩阵的基于消息传递（信念传播）的最小和 （MSA） 和总和积 （SPA） 算法 (scipy.sparse) 基于使用线性规划解码二进制线性码的最大似流 （ML） 和线性规划 （LP） 解码器（仅适用于短长度代码，如 Hamming（7，4）） 基于分解法的ADMM解码器，用于大规模LP解码 用于二进制擦除 （BEC）、二进制对称 （BSC） 和二进制 AWGN （biawgn） 通道。 依赖 在以下 Python/包版本上进行了测试： Python version 3.5.2 numpy version 1.12.0 scipy version 0.18.1 探索预先计算的结果 在代码、输出和绘图中查看所有预计算结果。这些包括不同的代码，模拟结果和绘图。 从头开始 首次克隆存储库时，通过执行来初始化子模块（这是另一个 git 存储库），如此堆栈溢出问题中所述。src/utilitiesgit submodule update --init --recursive 生成数据 默认情况下写入的模拟输出。~/scratch/decoders 使用以下或等效

对目前主流的机器学习算法进行公式推导、问题分析以及代码实现（主要基于numpy），持续更新（下面链接如果加载不出来，对应内容可在notebooks文件夹下找到）： 01_线性模型_线性回归 01_线性模型_线性回归_正则化(Lasso,Ridge,ElasticNet) 02_线性模型_逻辑回归 03_二分类转多分类的一般实现 04_线性模型_感知机 05_线性模型_最大熵模型 06_优化_拟牛顿法实现(DFP,BFGS) 07_01_svm_硬间隔支持向量机与SMO 07_02_svm_软间隔支持向量机 07_03_svm_核函数与非线性支持向量机 08_代价敏感学习_添加sample_weight支持 09_01_决策树_ID3与C4.5 09_02_决策树_CART 10_01_集成学习_简介 10_02_集成学习_boosting_adaboost_classifier 10_03_集成学习_boosting_adaboost_regressor 10_04_集成学习_boosting_提升树 10_05_集成学习_boosting_gbm_

官网下载特别慢，下载了几个多小时才下载完。适用于python 3.5.4，欢迎各位下载使用。

MYDBSCAN：基于密度的聚类DBSCAN（Density-Based Spatial Clustering of Applications with Noise）算法的底层实现 MYAP：基于划分的聚类AP（Affinity Propagation Clustering Algorithm ）算法的底层实现--近邻传播聚类算法 Adaptive-DBSCAN：自适应的基于密度的空间聚类（Adaptive Density-Based Spatial Clustering of Applications with Noise）算法的底层实现 MYOPTICS：基于密度的聚类OPTICS（Ordering points to identify the clustering structure）算法的底层实现 MYKMeans：基于划分的聚类KMeans算法的底层实现 MYCFSFDP：基于划分和密度的聚类CFSFDP（Clustering by fast search and find of density peaks）算法的底层实现

这是适用于python35的numpy+mkl包，单独先装numpy容易导致后期安装不上mkl，建议一起安装