Question

我正在尝试在Python中创建一个函数，以解决两个不同长度的数据集上两个移动平均值所需要的值相等。例如，数据集

5
2
34
54
5
Average = 14

和

7
4
11
5
56
7
8
Average = 20

我想求解一些X，使它们都等于相同的平均值。我相信scipy中的fsolve函数可以轻松地做到这一点，但是要注意的是，我想使用类似于熊猫的.rolling函数的方法来做到这一点，因此该公式可以应用于滚动数据集遍历数千行数据。

因此，我正在设想类似以下的功能，尽管显然它不起作用。为了明确起见，count_变量的值为+ 1，因为我只想查看一个跟踪数据集，该数据集是我要查找的实际平均集的-1。非常感谢您的帮助，谢谢！

def equations(short_ma, long_ma, p):
    sum_short = short_ma.sum()
    sum_long = long_ma.sum()
    count_short = short_ma.count() + 1
    count_long = long_ma.count() + 1
    ptv, eq_var = p
    return (((sum_short + ptv) / count_short) - eq_var, ((sum_long + ptv) / count_long) - eq_var)

def rolling_equations(ptv, eq_var):
    ptv, eq_var = fsolve(equations, (1,1))
    return ptv

Answer 1

您不需要数值求解器来求解一个变量的一个线性方程（同样，如果它是线性方程组，则应使用linalg，但它仅从两个方程开始）。如果你想

(a.sum()+eqVar)/(a.size+1) == (b.sum()+eqVar)/(b.size+1)

然后

eqVar == (b.sum()/(b.size()+1)-a.sum()/(a.size+1))/(1/(a.size+1)-1/(b.size+1)) ==
      == (b.sum()/(b.size()+1)-a.sum()/(a.size+1))*((a.size+1)(b.size+1)/(a.size-b.size)) ==
      == ((a.size+1)*b.sum()-(b.size+1)*a.sum())/(a.size-b.size)

如果我没有弄错我的数学。为了简化起见，假设您只想在第一列中添加一个值以使其等同（您可以仔细检查并使用上面的值）：

import numpy  as np
import pandas as pd

def eqVar(df):
    a = df[0] 
    b = df[1] 
    return b.sum()*(a.size+1)/b.size-a.sum()

df = pd.DataFrame(np.random.random(20).reshape(-1,2))
df.rolling(4).apply(eqVar)

您可以使用其中一行来简化说明

：

df.rolling(4).apply(lambda d: d[1].sum()*(d[0].size+1)/d[1].size-d[0].sum())

Answer 2

这就是我最终要做的事情，实际上是根据@kabanus的建议进行建模的。请注意，我还有另一个名为arguments1的模块，该模块可以导入变量。

import pandas as pd
import numpy as np
from arguments1 import *

def common_value_solver(range):
    short_ma = arguments1.short_ma
    long_ma = arguments1.long_ma
    sum_short = range.tail(short_ma-1).sum()
    sum_long = range.tail(long_ma-1).sum()
    count_short = short_ma_arg
    count_long = long_ma_arg
    ptv = ((count_long * sum_short) - (count_short * sum_long) / (count_short - count_long))
    return ptv

使用fsolve查找两个平均值在Python中相交所需的价格

2 个答案: