机器学习与python实践3.1.2案例分析：指数收益的描述统计代码

在机器学习与Python实践的3.1.2章节中，案例通常是通过实际的代码示例来讲解指数收益率的数据处理和描述性统计。假设我们正在处理金融数据，其中包含了某个资产的历史每日指数收益率。以下是简单的Python代码片段，用于计算这类数据的基本描述性统计：

import numpy as np

# 假设data是一个包含指数收益率的列表或者NumPy数组
data = [0.015, -0.003, 0.02, 0.012, -0.008]  # 示例数据

# 计算平均值（均值）
mean_return = np.mean(data)

# 计算标准差
std_deviation = np.std(data)

# 中位数
median = np.median(data)

# 最大值和最小值
max_return = max(data)
min_return = min(data)

# 计算四分位数(Q1, Q3)来了解分布的分散程度
q1 = np.percentile(data, 25)
q3 = np.percentile(data, 75)

# 输出描述统计结果
print(f"平均收益率：{mean_return}")
print(f"标准差：{std_deviation}")
print(f"中位数：{median}")
print(f"最大收益率：{max_return}, 最小收益率：{min_return}")
print(f"第一四分位数(Q1): {q1}, 第三四分位数(Q3): {q3}")