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）

首先，我们假设你有包含每只股票每天价格数据的数据结构，比如pandas DataFrame，其中每一行代表一天的价格，一列对应一只股票。下面是针对这三个需求的步骤：

1. **计算日收益并存储**
为了计算日收益，你需要对每日收盘价做除法，得到当天相对于前一天的价格变化百分比。这是Python的一个示例代码片段：

import pandas as pd

# 假设df是DataFrame，日期列为'date'，价格列为'stock_price'
df['daily_return'] = df.groupby('date')['stock_price'].pct_change()

这里`df.groupby('date')['stock_price'].pct_change()`会按日期计算每一天的价格变化。

2. **寻找最大子数组（日收益最大值）**
对于每个股票，你可以使用`rolling`函数找到连续增长的最大子数组。然后从中找出最大的总收益。这是一个例子：

max_subarrays = df.groupby('stock_code')['daily_return'].rolling(window='D', min_periods=1).apply(np.max).reset_index().dropna()

`window='D'`表示滚动窗口为一天，`min_periods=1`保证至少有一个元素。

3. **绘制原始价格图线**
使用matplotlib，你可以创建一个简单的折线图展示原始价格。这里是一个基本的例子：

import matplotlib.pyplot as plt

plt.figure(figsize=(10, 6))
for stock_code in df['stock_code'].unique():
    stock_data = df[df['stock_code'] == stock_code]
    plt.plot(stock_data['date'], stock_data['stock_price'], label=f'Stock {stock_code}')
plt.xlabel('Date')
plt.ylabel('Price')
plt.title('Original Stock Prices')
plt.legend()
plt.show()

以上代码假设你已经有了`stock_code`列用于区分不同的股票。如果你需要进一步的帮助，例如处理缺失值、实际运行代码等，可以告诉我。