38.数据特殊结构（数组）

import numpy as np

arr_1d = np.array([10, 20, 30, 40, 50, 60, 70, 80, 90, 100])

print('基本索引:')
print(f'  arr_1d[0] = {arr_1d[0]}')     # 正索引：第一个元素
print(f'  arr_1d[-1] = {arr_1d[-1]}')   # 负索引：最后一个元素

print('\n切片操作:')
print(f'  arr_1d[2:7] = {arr_1d[2:7]}')   # 索引2到6
print(f'  arr_1d[::2] = {arr_1d[::2]}')   # 步长为2

arr_2d = np.array([
    [1, 2, 3, 4],
    [5, 6, 7, 8],
    [9, 10, 11, 12]
])

print('二维数组索引:')
print(f'  arr_2d[0, 0] = {arr_2d[0, 0]}')       # 第0行第0列
print(f'  arr_2d[1, :] = {arr_2d[1, :]}')        # 第1行所有列
print(f'  arr_2d[:, 2] = {arr_2d[:, 2]}')        # 所有行第2列
print(f'  arr_2d[0:2, 1:3] =\n{arr_2d[0:2, 1:3]}')  # 子矩阵

arr = np.array([10, 20, 30, 40, 50])

slice_view = arr[1:4]        # 切片返回视图
slice_copy = arr[1:4].copy() # .copy()创建副本

slice_view[0] = 999          # 修改视图 → 影响原数组
slice_copy[0] = 888          # 修改副本 → 不影响原数组

print(f'原数组: {arr}')       # arr[1]变为999
print(f'副本:   {slice_copy}') # 独立，第0个是888

import numpy as np

n_stocks = 100   # 100只股票
n_days = 252     # 1年交易日

# 随机权重归一化
weights = np.random.random(n_stocks)
weights = weights / weights.sum()

# 模拟日收益率矩阵
np.random.seed(42)
returns = np.random.randn(n_stocks, n_days) * 0.02

# 矩阵乘法计算组合收益率
portfolio_returns = weights @ returns  # (100,) @ (100,252) = (252,)

print('投资组合统计:')
print(f'  年化收益率: {portfolio_returns.mean() * 252:.4f}')
print(f'  年化波动率: {portfolio_returns.std() * np.sqrt(252):.4f}')

# 夏普比率 = 年化收益率 / 年化波动率（假设无风险利率为0）
sharpe = (portfolio_returns.mean() * 252) / (portfolio_returns.std() * np.sqrt(252))
print(f'  夏普比率:   {sharpe:.4f}')

# 累计收益率
cum_returns = np.cumprod(1 + portfolio_returns) - 1
print(f'  年累计收益: {cum_returns[-1]:.4f}')

import numpy as np
from scipy.stats import skew, kurtosis

np.random.seed(42)
returns = np.random.randn(252) * 0.02  # 模拟一年日收益率

print('收益率描述统计:')
print(f'  均值:   {returns.mean():.6f}')
print(f'  标准差: {returns.std():.6f}')
print(f'  最小值: {returns.min():.6f}')
print(f'  最大值: {returns.max():.6f}')
print(f'  中位数: {np.median(returns):.6f}')

print('分位数:')
print(f'  Q1(25%): {np.percentile(returns, 25):.6f}')
print(f'  Q2(50%): {np.percentile(returns, 50):.6f}')
print(f'  Q3(75%): {np.percentile(returns, 75):.6f}')

print(f'\n分布形状:')
print(f'  偏度: {skew(returns):.4f}')     # <0左偏, >0右偏
print(f'  峰度: {kurtosis(returns):.4f}')  # >0尖峰, <0平峰

import numpy as np
np.random.seed(42)

# 模拟100只基金的年化收益率（均值8%，标准差15%）
fund_returns = np.random.randn(100) * 0.15 + 0.08

print('基金业绩分位数:')
print(f'  中位数(50%):  {np.percentile(fund_returns, 50):.4f}')
print(f'  前25%(75%):   {np.percentile(fund_returns, 75):.4f}')
print(f'  前10%(90%):   {np.percentile(fund_returns, 90):.4f}')
print(f'  前1%(99%):    {np.percentile(fund_returns, 99):.4f}')