Question

我有一些{open|high|low|close}市场数据。我想从每行的close值计算一个简单移动平均线。

我环顾四周，找不到一个简单的方法来做到这一点。我通过以下方法计算了它。我想知道是否有更好的方法：

data = get_data_period_symbol('1h', 'EURUSD')

empty_list = np.zeros(len(data))

data['SMA10'] = empty_list
ma = 10

for i in range(ma-1, len(data)):
    vals = data['<CLOSE>'][i-(ma-1):i+1].tolist()
    mean = np.average(vals)
    index = data.index[i]
    data.set_value(index, 'SMA10', mean)

Answer 1

Pandas提供了这类物品所需的所有工具。假设您的数据按时间索引：

data['SMA10'] = data['<close>'].rolling(window=10).mean()

瞧。

编辑：我想只是注意新的api用法。引自Pandas docs：

警告在版本0.18.0之前，pd.rolling_ ，pd.expanding _ 和pd.ewm *是模块级函数，现在已弃用。这些被使用Rolling，Expanding和EWM取代。对象和相应的方法调用。

Answer 2

data['SMA10'] = pd.rolling_mean(data['<CLOSE>'][:], 10)

是我原来找到的解决方案，但是会收到警告，说它已被弃用

因此：

data['SMA10'] = data['<CLOSE>'][:].rolling(window=10, center=False).mean()

Answer 3

您可以按照np.convolve中的建议使用answer。所以这样的事情应该有效：

data.loc[ma-1:, "SMA10"] = np.convolve(data["<CLOSE>"], np.ones((ma,))/ma, mode="valid")

PS：我刚看到你自己的答案，这实际上是一个更好的解决方案！

这是计算移动平均线的有效方法吗？

3 个答案: