简介
Table of Content
正如死亡和税收不可避免，Numpy和Pandas对量化人而言，也具有同样的地位 -- 每个量化人都不可避免地要与这两个库打交道。
如果你去研究一些非常重要的量化库，比如alphalens, empyrical, backtrader, tushare, akshare, jqdatasdk等，或者一些非常优秀的量化框架比如quantaxis, zillionare, vnpy等等，你就会发现它们都依赖于numpy和pandas。实际上，一个库只要依赖于pandas，它也必将传递依赖到numpy。
具体地说，Numpy和Pandas不仅为量化人提供了类似于表格的数据结构 -- Numpy Structured Array和Pandas DataFrame -- 这对于包括行情数据在内的诸多数据的中间存储是必不可少的；它还提供了许多基础算法，比如：
- 在配对交易(pair trade)中，相关性计算是非常重要的一环。无论是Numpy还是Pandas都提供了相关性计算函数。
- 在Alpha 101因子计算中，排序操作是一个基础函数 -- 这是分层回测的基础 -- Pandas通过rank方法来提供这一功能。
- Maxdrawdown(最大回测)是衡量策略的重要指标。Numpy通过numpy.maximum.accumulate提供了支持。
类似常用的算法非常多，我们将在本课程中一一介绍它们。
课程定价¶
为了惠及更多读者，我们采取了分级定价策略：
仅19.9元！
您可以通过公众号订阅我们的课程，或者在小红书上购买，定价为19.9元。您将获得公众号文章的阅读权限，或者是我们导出的pdf电子文档（适用于小红书购买的情况）。
适合人群：有充足的时间可以自学，并且遇到困难能自行解决。
仅199元!
基于此方案，您将获得Plan A的全部权利，叠加视频录播课程。
适合人群：可以利用通勤时间看视频，回到办公室浏览下课件文本。
799元
学习编程的最好方式就是进行练习。您将获得Plan B的全部权益，除此之外，您还将获得：
- 在线课程环境，无须安装即可阅读教材及运行代码
- 大量练习题及作业批改
- 为期2个月的不限次答疑
课程编排说明¶
紧扣量化场景来介绍Numpy和Pandas是本课的一大特点。我们通过分析重要的、流行度较高的量化库源码，找出其中使用numpy和pandas的地方，再进行归类的提炼，并结合一些量化社区中常问的相关问题 -- 这些往往是量化人在使用numpy/pandas时遇到的困难所在 -- 来进行课程编排，确保既能系统地讲解这两个重要的库，又保证学员在学习后，能立即将学习到的方法与技巧运用到工作中，迅速提高自己的生产力。
全部课程共分11个章节。
无论是演示代码、还是练习，我们都尽可能安排在量化场景下完成，这样会增强您的代入感。但是，这往往也要求您能理解这些场景和数据。
在编写本课程时，作者阅读了大量书籍、博文、论文和开源项目代码。其中一部分与教材关联度较高的，我们以延伸阅读、脚注的方式提供参考链接。如果学员有时间，也可以阅读这部分内容，以获得跟作者同样的视野景深。但如果你时间紧张，也完全可以跳过这些内容，只关注我们课程内容的主线就好。
本课程是专门为量化交易从业者，比如quant developer, quant researcher和quant pm等人设计。如果您有基础的金融知识，这门课也适用于其它需要学习Numpy和Pandas的人。课程内容在丰度和深度上都是市面上少见的。