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)
答案 0 :(得分:4)
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。
答案 1 :(得分:1)
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()
答案 2 :(得分:0)
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!