در این مطلب، ویدئو تست KS با استفاده از پایتون با زیرنویس فارسی را برای دانلود قرار داده ام. شما میتوانید با پرداخت 15 هزار تومان ، این ویدیو به علاوه تمامی فیلم های سایت را دانلود کنید.اکثر فیلم های سایت به زبان انگلیسی می باشند. این ویدئو دارای زیرنویس فارسی ترجمه شده توسط هوش مصنوعی می باشد که میتوانید نمونه ای از آن را در قسمت پایانی این مطلب مشاهده کنید.
مدت زمان فیلم: 00:18:01
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
00:00:00,060 –> 00:00:02,760
سلام به همه این به زودی یک سلفی است
2
00:00:02,760 –> 00:00:06,629
امروز می خواهم به شما نشان دهم که چگونه می توانید
3
00:00:06,629 –> 00:00:12,300
یک تست KS که یک تست آماری است با استفاده از
4
00:00:12,300 –> 00:00:15,839
پایتون در هر داده انجام دهید تا
5
00:00:15,839 –> 00:00:19,080
این کار را در
6
00:00:19,080 –> 00:00:23,130
مناطق SMP 500 پیاده سازی کنیم.
7
00:00:23,130 –> 00:00:28,019
دادههای مالی را میتوانید در گوگل برای آزمون KS جستجو کنید
8
00:00:28,019 –> 00:00:35,190
و میتوانید صفحه ویکیپدیا را بخوانید.
9
00:00:35,190 –> 00:00:36,690
10
00:00:36,690 –> 00:00:38,280
11
00:00:38,280 –> 00:00:41,940
12
00:00:41,940 –> 00:00:44,480
13
00:00:44,480 –> 00:00:47,760
14
00:00:47,760 –> 00:00:51,030
15
00:00:51,030 –> 00:00:55,079
دادهها برای یافتن نمونه 500 داده ما
16
00:00:55,079 –> 00:01:01,469
از Yahoo Finance استفاده
17
00:01:01,469 –> 00:01:04,409
18
00:01:04,409 –> 00:01:08,189
19
00:01:08,189 –> 00:01:12,030
20
00:01:12,030 –> 00:01:17,220
میکنیم. و
21
00:01:17,220 –> 00:01:21,000
اگر به این صفحه بروید، در اینجا
22
00:01:21,000 –> 00:01:25,290
یک برگه نام داده های تاریخی را می بینید، اگر
23
00:01:25,290 –> 00:01:29,250
روی این کلیک کنید، می توانید این داده ها را ببینید، خوب
24
00:01:29,250 –> 00:01:34,079
بیایید دوره زمانی تعیین شده برای این ها را برآورده
25
00:01:34,079 –> 00:01:40,829
کنیم، اجازه دهید این زمان را در 19 تن تنظیم کنیم، پس از
26
00:01:40,829 –> 00:01:45,030
این، اکنون بازار باز است و این
27
00:01:45,030 –> 00:01:49,770
مقدار مقدار مثال P 500 را به شما نشان می دهد در
28
00:01:49,770 –> 00:01:53,430
حال حاضر فرکانس
29
00:01:53,430 –> 00:01:57,930
روی روزانه تنظیم شده است و پس از اعمال ما
30
00:01:57,930 –> 00:02:01,200
داده ها را در اینجا دریافت خواهید کرد بسیار خوب ما به این داده ها نیاز داریم
31
00:02:01,200 –> 00:02:06,360
زیرا فایل اکسل من هستم پس از کلیک بر روی
32
00:02:06,360 –> 00:02:08,090
دانلود داده ها شما داده ها
33
00:02:08,090 –> 00:02:10,959
را دریافت می کنیم به عنوان یک فایل اکسل بسیار
34
00:02:10,959 –> 00:02:16,870
خوب، این فایل را باز کنید ابزار چیزهایی است که
35
00:02:16,870 –> 00:02:21,019
در واقع من به هیچ یک از این
36
00:02:21,019 –> 00:02:24,470
ستون ها نیاز ندارم به جز تنظیم بسته، بنابراین اجازه
37
00:02:24,470 –> 00:02:27,860
دهید همه این ستون ها را از مبارزات خود حذف کنم، بسیار
38
00:02:27,860 –> 00:02:32,269
خوب و در واقع به مقدار نیازی ندارم
39
00:02:32,269 –> 00:02:36,340
، بنابراین اجازه دهید من حذفش کنم
40
00:02:36,340 –> 00:02:40,640
باشه ما اینجا تنظیم کردیم بسته
41
00:02:40,640 –> 00:02:44,450
اینها قیمت دقیقتر هستند میخوام
42
00:02:44,450 –> 00:02:47,420
بگم مقدار تمام مقدار s و
43
00:02:47,420 –> 00:02:51,920
P 500 باشه اجازه
44
00:02:51,920 –> 00:02:56,420
بدین من بازدهی این داده ها رو محاسبه کنم می تونیم از اینها در
45
00:02:56,420 –> 00:02:59,660
پایتون یا اکسل استفاده کنیم که آیا
46
00:02:59,660 –> 00:03:02,540
برای من تفاوتی ندارد بیایید این کار را در اینجا انجام دهیم
47
00:03:02,540 –> 00:03:06,440
زیرا مفید است بنابراین ما دقیقاً اینجا بوده ایم
48
00:03:06,440 –> 00:03:11,750
برمی گرداند و باید
49
00:03:11,750 –> 00:03:16,880
فرمول را در اینجا بنویسیم شما باید از
50
00:03:16,880 –> 00:03:21,260
فرمول نوشته شده استفاده کنید همچنین می توانید از Ln استفاده کنید یا می
51
00:03:21,260 –> 00:03:25,519
توانید از یک فرمول بازگشتی ساده استفاده کنید
52
00:03:25,519 –> 00:03:30,349
محاسبه این خوب، بیایید در نظر بگیریم از
53
00:03:30,349 –> 00:03:37,000
این نوع – این یک است – تقسیم بر این
54
00:03:37,000 –> 00:03:41,870
خوب است این منطقه ما در اینجا است و با
55
00:03:41,870 –> 00:03:46,160
ضرب این مقدار در
56
00:03:46,160 –> 00:03:49,780
100 این داده ها و درصد
57
00:03:49,780 –> 00:03:55,099
اوکی است، بنابراین بیایید همه اینها را پر کنیم
58
00:03:55,099 –> 00:03:59,870
و این داده ها را دریافت کنیم خوب من همه را کپی می کنم
59
00:03:59,870 –> 00:04:04,310
اینها را با قرار دادن ctrl + C و چسباندن
60
00:04:04,310 –> 00:04:06,859
آن در اینجا میخواهم این مقدار را پاس کنم
61
00:04:06,859 –> 00:04:09,200
زیرا فرمول برای من مهم نیست،
62
00:04:09,200 –> 00:04:14,260
بنابراین
63
00:04:14,260 –> 00:04:20,199
یکی مقادیر را روی اوکی
64
00:04:20,199 –> 00:04:24,430
باشد این مقادیر ما در اینجا هستند
65
00:04:24,430 –> 00:04:28,570
. نمیخواهم
66
00:04:28,570 –> 00:04:32,820
محیط من بهم ریخته باشد، حالا من
67
00:04:32,820 –> 00:04:38,040
این مقادیر را به عنوان مناطق SMP 500 دارم،
68
00:04:38,040 –> 00:04:43,080
بیایید این فایل را در دسکتاپ
69
00:04:43,080 –> 00:04:50,380
و این نام ذخیره کنیم و همچنین قالب را روی
70
00:04:50,380 –> 00:04:55,720
xlsx قرار دهیم، زیرا این یک فرمت خروجی است،
71
00:04:55,720 –> 00:05:01,350
خوب اجازه دهید به محیط پایتون برویم.
72
00:05:02,070 –> 00:05:06,910
خوب این محیط پایتون من است
73
00:05:06,910 –> 00:05:11,110
و همانطور که می بینید می خواهم
74
00:05:11,110 –> 00:05:15,389
بنویسم زیرا در اینجا در این سلول ها
75
00:05:15,389 –> 00:05:19,510
در واقع با صدای import شروع می کنم
76
00:05:19,510 –> 00:05:22,450
به عنوان مثال اگر با
77
00:05:22,450 –> 00:05:25,720
پایتون آشنایی دارید و باید بدانید که در ابتدا به numpy نیاز دارید.
78
00:05:25,720 –> 00:05:29,919
از هر کد و
79
00:05:29,919 –> 00:05:34,570
ما ج همه پانداها به عنوان PD برای خواندن
80
00:05:34,570 –> 00:05:38,520
فایل اکسل و همچنین وارد کردن ریاضیات
81
00:05:38,520 –> 00:05:45,430
خوشبختانه طرح پای برای ترسیم
82
00:05:45,430 –> 00:05:50,889
زیبای رتبه بندی ها و نمایش تصاویر و همچنین
83
00:05:50,889 –> 00:05:56,950
ما از کتابخانه ای که Syfy نام دارد
84
00:05:56,950 –> 00:06:04,570
برای تست آمار خود استفاده خواهیم کرد، بنابراین من فکر می کنم
85
00:06:04,570 –> 00:06:06,270
فرمول
86
00:06:06,270 –> 00:06:13,680
این ها خوب است.
87
00:06:13,680 –> 00:06:18,870
من همچنین باید فایل اکسل خود را در آیتم فایلم آپلود کنم
88
00:06:18,870 –> 00:06:21,660
و این به این معنی است
89
00:06:21,660 –> 00:06:25,650
که پس از کلیک کردن بر روی آپلود
90
00:06:25,650 –> 00:06:30,270
91
00:06:30,270 –> 00:06:31,889
92
00:06:31,889 –> 00:06:35,580
مشکلی نیست.
93
00:06:35,580 –> 00:06:39,659
من همچنین می خواستم
94
00:06:39,659 –> 00:06:44,990
چیز دیگری بنویسم که مطابق
95
00:06:47,210 –> 00:06:50,130
9 باشد که برای ترسیم تصویر است
96
00:06:50,130 –> 00:06:50,970
دوست شانتی
97
00:06:50,970 –> 00:06:56,970
بهتر است خوب حالا اجازه دهید
98
00:06:56,970 –> 00:07:00,830
این فایل را بخوانیم مقدار این مقدار خوب است
99
00:07:00,830 –> 00:07:06,630
اجازه دهید مسیر را برابر
100
00:07:06,630 –> 00:07:08,909
مسیر این نقطه بنویسم خوب درست است- با کلیک بر روی
101
00:07:08,909 –> 00:07:13,099
این و کپی کردن مسیر و پیست کردن آن در اینجا
102
00:07:13,099 –> 00:07:15,930
، باید این مسیر را دریافت کنیم
103
00:07:15,930 –> 00:07:20,630
و من نام آن را برای خودم برمی گرداند.
104
00:07:20,630 –> 00:07:27,090
105
00:07:27,090 –> 00:07:30,090
106
00:07:30,090 –> 00:07:34,409
107
00:07:34,409 –> 00:07:39,270
بودن هیچکدام چون ما
108
00:07:39,270 –> 00:07:43,680
سرصفحهها را از بازگشتهای خوب حذف کردیم و شما باید
109
00:07:43,680 –> 00:07:49,110
قبل از این بچهها از بکلش استفاده کنید، بیایید از قبل این را
110
00:07:49,110 –> 00:07:56,300
اجرا کنیم، بنابراین
111
00:07:56,300 –> 00:08:00,479
در اینجا میتوانیم مناطق را بیرون بکشیم و شما
112
00:08:00,479 –> 00:08:04,740
میتوانید همه اینها را ببینید، بیایید اندازه شکست را
113
00:08:04,740 –> 00:08:10,940
به عنوان مثال نه تنظیم کنیم و شش و
114
00:08:10,940 –> 00:08:14,210
PLT که
115
00:08:16,140 –> 00:08:22,020
برمیگردد و نشانگر باید خانه
116
00:08:22,020 –> 00:08:25,330
باشد، لازم نیست ترجیح دهید این کار را انجام
117
00:08:25,330 –> 00:08:25,720
118
00:08:25,720 –> 00:08:30,580
دهید، خوب اجازه دهید این بچهها را وصل کنیم، اوه،
119
00:08:30,580 –> 00:08:36,330
میتوانید مقادیر ریتمها را اینجا ببینید، همانطور که در
120
00:08:36,330 –> 00:08:42,429
اینجا نشان داده شده است، این مقادیر از میانگین فاصله زیادی دارند،
121
00:08:42,429 –> 00:08:47,260
بنابراین احتمالاً
122
00:08:47,260 –> 00:08:51,460
دادههای ما با توزیع نرمال مطابقت ندارند
123
00:08:51,460 –> 00:08:57,490
و دارای دم چربی هستند، خوب
124
00:08:57,490 –> 00:09:03,190
، از بین رفته است، اول از همه باید