本题要求利用shibor.csv数据中的shibor列中的2000个数据(比如20101130~20181130)作为研究对象,将shibor序列分为5个长度一段(共400段),利用可见图算法将生成每段的图,并统计400段中重复出现次数最多的一个图。python
时间: 2024-02-28 07:54:21 浏览: 73
上海市银行间同业拆放利率(SHIBOR)2006年-2019年数据
好的,根据你的要求,我可以给出一些思路和代码。首先,我们需要导入必要的库和数据:
```python
import pandas as pd
import numpy as np
import networkx as nx
import matplotlib.pyplot as plt
# 读取数据
data = pd.read_csv('shibor.csv')
shibor = data['shibor'][:2000]
```
接着,我们可以将shibor序列切片为长度为5的小段:
```python
segments = [shibor[i:i+5] for i in range(0, len(shibor), 5)]
```
然后,我们可以定义一个函数来生成每个小段的可见图,并返回图的哈希值:
```python
def get_graph_hash(segment):
# 构建有向图
G = nx.DiGraph()
for i in range(len(segment)-1):
for j in range(i+1, len(segment)):
if segment[i] < segment[j]:
G.add_edge(i, j)
else:
G.add_edge(j, i)
# 计算图的哈希值
return nx.graph_hash(G)
```
最后,我们可以遍历所有小段,生成图并统计出现次数最多的一个图:
```python
# 统计哈希值出现次数
hash_count = {}
for segment in segments:
graph_hash = get_graph_hash(segment)
if graph_hash in hash_count:
hash_count[graph_hash] += 1
else:
hash_count[graph_hash] = 1
# 找到出现次数最多的哈希值
most_common_hash = max(hash_count, key=hash_count.get)
# 根据哈希值生成图
G = nx.DiGraph()
for i in range(len(segments[0])-1):
for j in range(i+1, len(segments[0])):
if segments[0][i] < segments[0][j]:
G.add_edge(i, j)
else:
G.add_edge(j, i)
# 绘制图
pos = nx.circular_layout(G)
nx.draw_networkx_nodes(G, pos, node_size=500)
nx.draw_networkx_edges(G, pos)
nx.draw_networkx_labels(G, pos, font_size=20, font_family='sans-serif')
plt.axis('off')
plt.show()
```
这样,我们就可以得到重复出现次数最多的可见图了。需要注意的是,由于哈希值是根据图的结构计算的,因此即使两个图的节点标签不同,只要它们的结构相同,它们的哈希值也会相同。
阅读全文