随机生成8只股票2周的交易日涨幅数据，并完成如下功能： 数组的索引、切片 形状修改 类型修改 把上面的功能拼接成一个完整的案例，一份ipynb代码

首先，我们将在Python环境下，使用NumPy库来生成随机的股票交易日涨幅数据并演示所需的函数操作。假设我们将数据保存在一个名为`stock_data`的二维数组中，其中每一行代表一只股票的连续两周数据。

import numpy as np
import pandas as pd

# 生成8只股票两周的交易日涨幅数据 (假定每一天的涨幅都是独立的)
np.random.seed(0)  # 设置随机种子以保证结果可复现
days_in_two_weeks = 14
stocks = 8
stock_rises = np.random.uniform(low=0.95, high=1.05, size=(stocks, days_in_two_weeks))

# 创建一个pandas DataFrame以便于处理
stock_df = pd.DataFrame(stock_rises, columns=['Stock %d Rise' % i for i in range(stocks)])

# 完成以下功能：

# 数组索引和切片示例
# 获取第一只股票的涨幅数据
first_stock_data = stock_df.iloc[0]

# 切取前7天的数据
last_seven_days = stock_df.iloc[:, :7]

# 形状修改：添加新的一列代表平均涨幅
stock_df['Average Rise'] = stock_df.mean(axis=1)

# 类型修改：将DataFrame转换为NumPy数组
numpy_array = stock_df.to_numpy()

# 示例代码：
# -------------------
# 完整的IPython Notebook示例：

# 1. 索引和切片
print("First Stock Data:", first_stock_data)
print("Last Seven Days:", last_seven_days)

# 2. 形状修改
stock_df_extended = stock_df.assign(Average_Rise=stock_df.mean(axis=1))
print("\nAfter adding Average Rise column:", stock_df_extended.head())

# 3. 类型修改
print("\nNumPy Array:")
print(numpy_array)

#