Question

我正在使用财务时间序列数据，并且与numpy reshape函数有点混淆。我的目标是为log-returns参数计算adj_close。

inputs = np.array([df_historical_data[key][-W:], axis = 1).values for key in stock_list])
inputs.shape //(8, 820, 5)

prices = inputs[:, :, 0]
prices.shape //(8, 820)

prices[:,0]

array([  4.17000004e+02,   4.68800000e+00,   8.47889000e-03,
     3.18835850e+00,   3.58412583e+00,   8.35364850e-01,
     5.54610005e-04,   3.33600003e-05]) //close prices of 8 stock for 0 day

但是对于我的程序，我需要输入的形状为(820, 8, 5)所以我决定重塑我的numpy数组

inputs = np.array([df_historical_data[key][-W:], axis = 1).values for key in stock_list]).reshape(820, 8, 5)
inputs.shape //(820, 8, 5)

prices = inputs[:, :, 0]
prices.shape //(820, 8)

prices[0]

array([ 417.00000354,  436.5100001 ,  441.00000442,  440.        ,
        416.10000178,  409.45245   ,  422.999999  ,  432.48000001]) 
// close price of 1 stock for 8 days
// but should be the same as in the example above

似乎我没有正确地重新塑造我的阵列。无论如何，我无法理解为什么会发生这种奇怪的行为。

Answer 1

您需要的是transpose而不是reshape。

假设我们有一个如下数组：

import numpy as np

m, w, l = 2, 3, 4
array1 = np.array([[['m%d w%d l%d' % (mi, wi, li) for li in range(l)] for wi in range(w)] for mi in range(m)])
print(array1.shape)
print(array1)

重塑可能不是你想要的，但这是你怎么做的：

array2 = array1.reshape(w, m, l)
print(array2.shape)
print(array2)

以下是转置的完成方式：

#                         originally
#                         0, 1, 2
#                         m, w, l
#                         -------

#                         transposed
array3 = array1.transpose(1, 0, 2)
#                         w, m, l

print(array3.shape)
print(array3)

Numpy从（m，w，l）重塑为（w，m，l）维

1 个答案: