Question

我有点搜索stackoverflow，我没有找到解决方案，这可能是因为数据帧对我来说仍然不是很清楚。我正在做一个计算布林带的练习。我已经为一个股票完成了它，但我想让它适用于任何数量的项目。目前我有这个：

def movingAverage(symbols, dt_start, dt_end, lookback):
    // Symbols = ['AAPL', 'GOOG']

    ldt_timestamps = du.getNYSEdays(dt_start, dt_end, DT_TIME_OF_DAY)

    c_dataobj = da.DataAccess('Yahoo')
    ls_keys = ['close']

    ldf_data = c_dataobj.get_data(ldt_timestamps, symbols, ls_keys)
    d_data = dict(zip(ls_keys, ldf_data))

    closeData = d_data['close']

    d_data['ma'] = d_data['close'].copy() // calculates the Moving Average for ALL stocks
    d_data['std'] = d_data['close'].copy()
    d_data['bollinger'] = d_data['close'].copy()

    d_data['ma'] = pandas.rolling_mean(d_data['close'], lookback, min_periods=lookback)
    d_data['std'] = pandas.rolling_std(d_data['close'], lookback, min_periods=lookback)

我为计算整个帧的ma（移动平均值）和std（滚动标准偏差）而不是对符号进行循环感到自豪，所以我想知道的是什么是（伪代码）：

for all the symbols
    fill in d_data['bollinger'] with
      (d_data['close'] - d_data['ma']) / d_data['std']

我只是认为我可以在不对每个符号进行for循环并通过符号索引为close和data建立索引来计算这一点。

如果问题可以改进，请告诉我。

提前谢谢。

Answer 1

就像我在伪代码中所描述的那样简单：

d_data['bollinger'] = (d_data['close'] - d_data['ma']) / d_data['std']

感谢所有关注该主题的人，下次我会花更多时间进行调查。

对数据框集执行lambda函数

1 个答案: