虽然java中的label语法或者c中的goto语法都不被提倡使用，因为这可能会使得你的代码逻辑变得比较乱，降低代码的易读性；但是不得不承认，这种功能是很方便高效的，有时候，我们似乎很难找到其他的替代方法，不得不实现类似的功能。在python中，并没有类似的语法或者语句直接实现相关的功能，当然有第三方包可以实现类似功能，但是本文旨在简单的运用python的while循环和contin

       DataFrame.plot()方法是功能很强大的画图方法，其中的据图参数为：DataFrame.plot(x=None, y=None, kind='line', ax=None, subplots=False, sharex=None, sharey=False, layout=None, figsize=None, use_index=True, title=None, gri

       我们这里所需要的沪深300历年的成分股行情数据不是当下成分股的历年行情数据，而是历年的沪深300成分股的行情数据，如果是前者，那很简单，直接获取一下当下的沪深300的成分股列表，然后分别获取其历史行情数据就行了；但是我们需要的是后者，即不同时期的沪深300的成分股是有变动的，本文的思路是：先依次获取历年每天的成分股列表，然后再根据当天的成分股获取当天的数据，并逐步导入到csv文件中储

笔者在用pandas读取csv文件时遇到该报错，根据报错提示，是因为在解析时出现了意外的文件结束符。在具体的报错信息中，会提示第几行触发异常，所以笔者通过查看原始原件的相应的行，发现是该行出现了乱码，并且乱码中有一个双引号；所以实际上，该报错是因为pandas读取csv文件时，会默认把csv文件中两个双引号之间的内容解析为一个string，作为一个字段域读入，并且忽略两个双引号之间的分隔符。所以，

python解释器对于函数的默认参数，在第一次调用时，会计算一次，即在内存中创建一个对象保存默认参数，而后如果继续调用，且对于默认参数没有显性传参，那么后续调用的同一函数的同一默认参数共享内存。如下所示。def test_id(x,y=123456):print(id(x))print(id(y))test_id(123123)out:112356112522test_id(123123)out:

事后调试(post-mortem debugging)指的是程序运行发生异常而进入的调试模式。当执行一个python脚本触发异常时，我们可以通过该方式进行问题的快速定位。使用如下命令执行需要调试的python脚本: python -m pdb script.py，该执行方式使用了python的标准模块pdb，pdb是python用来调试程序的模块。使用该方式执行脚本，脚本会从第一行开始就进入调试模

本文旨在讲解使用深度学习模型对序列数据进行建模，并且主要集中再MLP、RNN、LSTM以及GRU。MLPMLP是最简单的神经网络模型，其就是一个简单的DNN，即全连接前馈深度神经网络。根据通用近似理论，MLP可以近似拟合出任意的连续函数。但是这里有一个基本的前提是，输入数据包含了影响应变量或者说预测变量的所有因子或者说特征，而且数据量需要足够大，这个足够大是相对于噪声和具体模型而言的。实际上，现实

无论是在形式化的有效市场假说中，还是在期权定价的股价运动微分方程中，我们都可以见到其对于股票的价格都使用的是对数价格，而不是价格本身，那么为何要对做价格取对数处理呢？本文将从连续时间下的利息理论中的概念说起，一步步推导出对数价格的存在原因。本文的总体结论是：由于投资者关注的是相对概念（比如收益率），而非价格本身，因此在相对概念的前提下，引入利息强度，然后在连续时间模型下，导出对数价格...

在pandas里，对于DataFrame，可以利用applymap(func)函数实现对DataFrame中每个元素进行函数func操作，而且相比于for loop，其性能会有较大的提升。而对于numpy中的ndarrray，没有类似名称的函数实现相同功能，但是有一个numpy.frompyfunc函数，其可以对一个python函数进行封装，返回一个封装后的函数，然后可以利用返回的封...

在最优化问题中，经常是会有约束条件的，而约束条件可分为等式约束条件和不等式约束条件，对于前者，我们有拉格朗日乘子法，对于后者，有KKT条件，对于既有等式约束又有不等式约束的最优化问题，只需要结合拉格朗日乘子法和KKT条件即可。本文中，我们将分别看下等式约束和不等式约束下，拉格朗日乘子法和KKT条件的原理，以及如何去理解。其实只要理解了等式约束条件下的拉格朗日乘子法，...