NumPy NumPy参考

• 数组对象
• 常数
• 通用功能（ufunc）
• 例行程序
•    数组创建例程
•    数组操作例程
•    Binary operations
•    String operations
•    C-Types Foreign Function Interface (numpy.ctypeslib)
•    Datetime Support Functions
•    Data type routines
•    Optionally Scipy-accelerated routines (numpy.dual)
•    Mathematical functions with automatic domain (numpy.emath)
•    Floating point error handling
•    Discrete Fourier Transform (numpy.fft)
•    Financial functions
•          numpy.fv
•          numpy.pv
•          numpy.npv
•          numpy.pmt
•          numpy.ppmt
•          numpy.ipmt
•          numpy.irr
•          numpy.mirr
•          numpy.nper
•          numpy.rate
•    Functional programming
•    NumPy-specific help functions
•    Indexing routines
•    输入输出
•    线性代数（numpy.linalg）
•    逻辑功能
•    Mathematical functions
•    Matrix library (numpy.matlib)
•    Miscellaneous routines
•    Padding Arrays
•    Polynomials
•    Random sampling (numpy.random)
•    Set routines
•    Sorting, searching, and counting
•    Statistics
•    Test Support (numpy.testing)
•    Window functions
• Packaging (numpy.distutils)
• NumPy Distutils - Users Guide
• NumPy C-API
• NumPy内部
• NumPy和SWIG

numpy.nper（rate，pmt，pv，fv = 0，when ='end' ）[源代码] ¶

计算定期付款的次数。

从版本1.18开始nper不推荐使用：有关详细信息，请参见NEP 32 [1]。使用numpy-financial库https://pypi.org/project/numpy-financial中的相应功能 。

decimal.Decimal 不支持类型。

参量

率array_like

利率（每期）

pmt array_like

付款

pv array_like

目前价值

fv array_like，可选

未来价值

当{{'begin'，1}，{'end'，0}}，{string，int}时，可选

付款到期时（“开始”（1）或“结束”（0））

笔记

周期数nper通过求解方程式计算得出：

fv + pv*(1+rate)**nper + pmt*(1+rate*when)/rate*((1+rate)**nper-1) = 0

但是如果这样：rate = 0

fv + pv + pmt*nper = 0

参考文献

1个

NumPy增强提案（NEP）32， https：//numpy.org/neps/nep-0032-remove-financial-functions.html

例子

如果您每月仅需要支付$ 150的贷款，还需要多长时间才能还清年利率7％的$ 8,000贷款？

>>> print(np.round(np.nper(0.07/12, -150, 8000), 5))
64.07335

因此，将需要超过64个月才能还清贷款。

可以使用几种不同的利率和/或付款和/或总金额进行相同的分析，以生成整个表格。

>>> np.nper(*(np.ogrid[0.07/12: 0.08/12: 0.01/12,
...                    -150   : -99     : 50    ,
...                    8000   : 9001    : 1000]))
array([[[ 64.07334877,  74.06368256],
        [108.07548412, 127.99022654]],
       [[ 66.12443902,  76.87897353],
        [114.70165583, 137.90124779]]])