求助：使用Python Numpy计算currency.csv中汇率的多维度统计指标

Hey there! 作为Python新手，用numpy处理CSV数据确实需要一步步来，我会帮你拆解每个任务，代码里加详细注释，你跟着走就行～

首先咱们先明确前提：假设你的currency.csv结构是第一列是日期（格式如"2019-01-05"），后续每列是对应货币的汇率，第一行是表头（比如货币名称USD、EUR、GBP等）。如果你的CSV结构略有不同，后面可以根据实际情况调整代码。

第一步：导入库并加载数据 #

首先咱们需要导入numpy，然后加载CSV文件。numpy的genfromtxt方法很适合处理带表头的CSV：

import numpy as np

# 加载CSV文件，skip_header=1跳过表头，delimiter是分隔符（一般CSV是逗号）
# 我们把日期列单独拿出来，汇率数据存在另一个数组里
data = np.genfromtxt('currency.csv', delimiter=',', dtype=None, encoding='utf-8', skip_header=1)
dates = data[:, 0]  # 第一列是日期
exchange_rates = data[:, 1:].astype(float)  # 从第二列开始是汇率，转成浮点型

# 读取表头（货币名称）
with open('currency.csv', 'r', encoding='utf-8') as f:
    headers = f.readline().strip().split(',')[1:]  # 跳过日期列的表头

任务1：每种货币过去5年的平均汇率 #

这个很简单，直接对每种货币的所有汇率求均值：

# axis=0表示按列计算（每列对应一种货币）
avg_5years = np.mean(exchange_rates, axis=0)

# 打印结果
for currency, avg in zip(headers, avg_5years):
    print(f"{currency}过去5年的平均汇率：{avg:.4f}")

任务2：每种货币每年的平均汇率 #

这里需要先把日期转换成年份，然后按年份分组计算均值。咱们可以先从日期字符串里提取年份：

# 从日期字符串提取年份，比如"2019-01-05"提取出2019
years = np.array([int(date.split('-')[0]) for date in dates])
unique_years = np.unique(years)  # 获取所有不重复的年份

# 遍历每个年份，计算该年份每种货币的平均汇率
for year in unique_years:
    # 找到该年份对应的所有行的索引
    year_mask = (years == year)
    # 计算该年份的平均汇率
    yearly_avg = np.mean(exchange_rates[year_mask], axis=0)
    print(f"\n{year}年各货币平均汇率：")
    for currency, avg in zip(headers, yearly_avg):
        print(f"{currency}: {avg:.4f}")

任务3：每种货币过去5年汇率的最低值与最高值 #

用numpy的min和max方法，同样按列计算：

# 计算最低值
min_rates = np.min(exchange_rates, axis=0)
# 计算最高值
max_rates = np.max(exchange_rates, axis=0)

# 打印结果
for currency, min_rate, max_rate in zip(headers, min_rates, max_rates):
    print(f"{currency}过去5年汇率范围：{min_rate:.4f} ~ {max_rate:.4f}")

任务4：每种货币过去5年汇率的标准差 #

标准差用std方法，默认是总体标准差（如果要样本标准差可以加ddof=1）：

# 计算总体标准差（ddof=0），如果需要样本标准差改成ddof=1
std_5years = np.std(exchange_rates, axis=0, ddof=0)

for currency, std in zip(headers, std_5years):
    print(f"{currency}过去5年汇率的标准差：{std:.4f}")

任务5：每种货币每年汇率的标准差 #

和任务2类似，按年份分组后计算标准差：

for year in unique_years:
    year_mask = (years == year)
    yearly_std = np.std(exchange_rates[year_mask], axis=0, ddof=0)
    print(f"\n{year}年各货币汇率标准差：")
    for currency, std in zip(headers, yearly_std):
        print(f"{currency}: {std:.4f}")

小提示 #

如果你的CSV里有缺失值（比如某些日期的汇率为空），可以在加载数据的时候用filling_values参数填充，比如genfromtxt里加filling_values=np.nan，然后计算的时候用np.nanmean、np.nanmin等方法跳过缺失值，比如np.nanmean(exchange_rates, axis=0)。

内容的提问来源于stack exchange，提问作者user3529487