1.编写程序求日收益，并存入变量 2.编写程序分别求每支股票的日收益变量从2015年1月6日到2021年7月7日的最大子数组。将结果保存到变量 3.利用matplotlib绘制每只股票原始价格的图线（注意：不是日收益曲线，只需画原始数据曲线）

1. 编程求日收益并存储变量的一般步骤如下（假设我们有每日股票收盘价的数据）：

import pandas as pd

# 假设df是一个包含日期和股票价格的DataFrame
data = ... # 你的实际数据源
df['date'] = pd.to_datetime(df['date'])  # 将日期列转换为datetime格式
df.set_index('date', inplace=True)  # 设置日期为索引

# 计算日收益率 (今天的收盘价 / 昨天的收盘价 - 1)
df['daily_return'] = df['price'].pct_change()

# 存储日收益变量，例如将最大值存入'daily_return_max'
df['daily_return_max'] = df['daily_return'].rolling(window=...).max()  # 滑动窗口计算每天的最大收益

2. 求每支股票的最大子数组（通常这需要使用动态规划算法，如Kersten-Ibarra-Olkin-Kenel算法）:

from scipy.signal import argrelextrema

# 生成最大收益序列
stock_daily_returns = df.groupby('stock')['daily_return_max'].apply(list)

# 对每个股票的日收益列表找出最大子数组
sub_arrays = {}
for stock, returns in stock_daily_returns.items():
    sub_arrays[stock] = max(returns, key=lambda x: len(x))

# 将结果保存在字典或其他适合的数据结构中

3. 使用matplotlib绘制原始价格曲线：

import matplotlib.pyplot as plt

plt.figure(figsize=(12, 6))
for stock, daily_prices in df.groupby('stock'):
    plt.plot(daily_prices.index, daily_prices['price'], label=stock)
plt.title('Stock Prices Over Time')
plt.xlabel('Date')
plt.ylabel('Price')
plt.legend()
plt.show()