Chapter · 第 196 页起
第10章 Python量化策略的常用库和模块
章节主张
第十章的价值，是把量化常用的数值、表格和时间处理能力接进策略世界，形成真正可计算的数据链。
中文释读
这章不是单纯列库，而是在建立量化编程最常见的中间层工具箱：数组、表格、时间。
后面做回测、因子和指标，如果这些概念不稳，信号计算就会变得混乱。
本章知识路线
关键论据
- Numpy 服务数值计算。
- Pandas 服务表格与时间序列。
- Datetime/Time 让策略和交易日历真正对齐。
行动清单
- 把数组和 DataFrame 理清。
- 练习时间格式转换。
- 把取数与处理联成同一条链。
本章图版学习路径
图版按知识点分组，用来把理论页、平台页和代码页重新接上。
源章节深读
以下卡片基于章节和小节起始页 OCR，并补上“问题、动作、提醒”三层解读。
10.1 Numpy库
Python 量化交易实战入门与技巧 10.1 Numpy库 Numpy 库是高性能科学计算和数据分析的基础包，不是Python 的标准 库，是Python 的第三方库。为了更好地讲解，在这里使用JoinQuant（聚宽） 量化交易平台免费提供基于 IPython Notebook 的研究平台。 10.1.1 ndarray 数组基础 Pyhton 中用列表保存一组值，可将列表当作数组使用。此外，Python 有array 模块，但它不支持多维数组，无论是列表还是 array 模块都没有科学 运算函数，不适合做矩阵等科学计算。因此，Numpy 没有使用Python 本身 的数组机制，而是提供了 ndarray 数组对象，该对象能不断方便地存取数组， 而且拥有丰富的数组计算函数，比如向量的加法、减法、乘法等。 使用 ndarray数组，首先需要导入Numpy 函数库。
10.2 Pandas库
Python 量化交易实战入门与技巧 10.2 Pandas 库 Pandas 是基于 Numpy 构建的，让以 Numpy 为中心的应用变得更加简 单。Pandas 提供了大量能使我们快速便捷地处理数据的函数和方法，这也是 使Python 成为强大而高效的数据分析环境的重要因素之一。 Pandas 的数据结构主要有三种，分别是 Series、DataFrame 和 Panel。 Series 是一维数组，与Numpy 中的一维 array 类似。二者与Python 基 本的数据结构 List 也很相近，其区别是：List 中的元素可以是不同的数据类 型，而Array 和 Series 中则只允许存储相同的数据类型，这样可以更有效地 使用内存，提高运算效率。 DataFrame 是二维数组，非常接近于Excel 电子表格或者类似 MySOL 数据库的形式。
10.3 Datetime模块和Time模块
第10章 Python 量化策略的常用库和模块 显示平安银行（000001）的数据信息，具体代码如下： panel1［：，：，“000001.XSHE” ］ 单击工具栏中的 运行 按钮，运行结果如图10.33所示。
辨析题：为什么量化策略离不开时间处理模块？
因为交易日、调仓日、回测区间和盘前盘后逻辑，本质上都是时间调度问题。