Python 字典中每个键的协方差

我有一份清单，是一套股票行情表。对于每一个股票，我得到了六个月前的每日回报。然后我想计算每个股票代码之间的协方差。我在

np.cov

方面遇到问题，以下是我测试cov的代码：

newStockDict = {}
for i in newList_of_index:
    a = Share(i)
    dataB = a.get_historical(look_back_date, end_date)
    stockData = pd.DataFrame(dataB)
    stockData['Daily Return'] = ""
    yList = []
    for y in range(0,len(stockData)-1):
        stockData['Daily Return'][y] = np.log(float(stockData['Adj_Close'][y])/float(stockData['Adj_Close'][y+1]))

    yList = stockData['Daily Return'].values.tolist()
    newStockDict[stockData['Symbol'][0]] = yList

g = (np.cov(pd.Series((newStockDict[newList_of_index[0]]))), pd.Series(((newStockDict[newList_of_index[1]]))))
return g

我的错误是：

Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "C:\Users\Udaya\Anaconda\lib\site-packages\spyderlib\widgets\externalshell\sitecustomize.py", line 580, in runfile
    execfile(filename, namespace)
  File "C:/Users/Udaya/Documents/Python Scripts/SR_YahooFinanceRead.py", line 150, in <module>
    print CumReturnStdDev(stock_list)
  File "C:/Users/Udaya/Documents/Python Scripts/SR_YahooFinanceRead.py", line 132, in CumReturnStdDev
    g = (np.cov(pd.Series((newStockDict[newList_of_index[0]]))), pd.Series(((newStockDict[newList_of_index[1]]))))
  File "C:\Users\Udaya\Anaconda\lib\site-packages\numpy\lib\function_base.py", line 1885, in cov
    X -= X.mean(axis=1-axis, keepdims=True)
  File "C:\Users\Udaya\Anaconda\lib\site-packages\numpy\core\_methods.py", line 66, in _mean
    ret = umr_sum(arr, axis, dtype, out, keepdims)
TypeError: unsupported operand type(s) for +: 'numpy.float64' and 'str'
>>> TypeError: unsupported operand type(s) for +: 'numpy.float64' and 'str'

回溯（最近一次呼叫最后一次）：
文件“”，第1行，在
文件“C:\Users\Udaya\Anaconda\lib\site packages\spyderlib\widgets\externalshell\sitecustomize.py”，第580行，在runfile中
execfile（文件名、命名空间）
文件“C:/Users/Udaya/Documents/Python Scripts/SR_YahooFinanceRead.py”，第150行，在
打印CumReturnsTDEV（库存清单）
文件“C:/Users/Udaya/Documents/Python Scripts/SR_YahooFinanceRead.py”，第132行，以CumReturnsTDEV格式
g=（np.cov（pd.Series（（newStockDict[newList_of u index[0]]）），pd.Series（（newStockDict[newList_of u index[1]]））
cov中第1885行的文件“C:\Users\Udaya\Anaconda\lib\site packages\numpy\lib\function\u base.py”
X-=X.平均值（轴=1轴，keepdims=True）
文件“C:\Users\Udaya\Anaconda\lib\site packages\numpy\core\\u methods.py”，第66行，单位为
ret=umr_和（arr、轴、数据类型、out、keepdims）
TypeError:不支持+：'numpy.float64'和'str'的操作数类型
>>>TypeError:不支持+：'numpy.float64'和'str'的操作数类型

我尝试在数据帧上使用

pd.cov

，然后使用

np.cov

。什么都不管用。在这里，我实际上是将每日收益添加到列表中，然后添加到字典中，然后再通过

n

协方差矩阵手动计算

n

。但是我无法让

np.cov

工作

---

请帮忙。我的想法是，我可以很容易地构建一个由N个股票代码组成的数据框架，每一行都是每日收益。但是我无法使用所述数据帧计算cov，因此这是df-->列表-->dict过程。

没有回答这个问题，但如果没有迭代变量，for循环的拼写会更好：

stockData['Daily Return']=[np.log（float（a）/float（b））for a，b in zip（stockData['Adj_Close']，stockData['Adj_Close'][1:]）]

什么是

stockData>['Daily Return']=''

doing？如果打印出来，

ylist的值是多少？@Eric--ylist的值是一个每日回报列表。stockData['Daily Return']正在向数据框“stockData”添加一列每日回报。@Eric--将“stockData['Daily Return']=[np.log（float（a）/float（b）），用于zip中的a，b（stockData['Adj_Close']，stockData['Adj_Close'][1:]“基本上没有循环就可以做同样的事情吗？我在读这篇文章，但我不完全理解它。我想看看
ylist
（或者至少
ylist[:5]，ylist[-5:
）的实际值，而不仅仅是你对它所包含内容的总结