python - 如何调整每周分析的移动平均线？

Question

我需要根据每周间隔绘制移动平均线，例如 3 周间隔或 21 天，但在调整错过的日期时，它现在计数为 0，因此它给出了不正确的结果。

from nsepy import get_history as gh
from datetime import date
import pandas as pd

nifty = gh(symbol="NIFTY IT", 
                    start=date(2015,1,1), 
                    end=date(2016,1,3),
                    index=True)
idx = pd.date_range('01-01-2015', '01-01-2016')
nifty.index = pd.DatetimeIndex(nifty.index)
nifty = nifty.reindex(idx, fill_value=0)
nifty["3weekMA"]=nifty["Close"].rolling(21).mean()
nifty[nifty.Open != 0]

可以做些什么来解决这个问题。

这是实际结果:

想要的结果必须是这样的:

这是因为收盘价的移动平均线必须在 11000 而不是 8000 的范围内。

Answer 1

想到的最简单的事情就是从数据中删除周末值:

nifty=nifty[nifty['Close']!=0]

然后进行移动平均:

nifty["3weekMA"]=nifty["Close"].rolling(15).mean()

只需使用 15 而不是 21，它就会正常工作。但是，很少有关于此的指示。滚动平均值将给出最后 15 个值的平均值，但问题是它会导致您的情况成为第 15 个值或第 21 个值，因此结果图看起来像这样:

因此，为了解决这个问题，我们需要做的就是将新发现的移动平均线向上移动，或者可能只是绘制前 7 个之后和最后 7 个之前的收盘价以及移动平均值，这看起来像:

plt.figure(figsize=(10,8))
plt.plot(nifty['Close'].values.tolist()[7:-7])
plt.plot(nifty['3weekMA'].values.tolist()[14:])

好吧，但是可视化只是为了表示目的；我希望您了解如何处理此类数据的要点。我希望这能解决您的问题，是的，移动平均值确实是 11Ks 而不是 8Ks。

示例输出:

        Date         Open       High        Low         Close       Volume      Turnover        3weekMA
        -------------------------------------------------------------------------------------------------
        2015-01-15  11672.30    11774.50    11575.10    11669.85    13882213    1.764560e+10    NaN
        2015-01-16  11708.85    11708.85    11582.85    11659.60    12368107    1.714690e+10    NaN
        2015-01-19  11732.50    11797.60    11629.05    11642.75    13696381    1.183750e+10    NaN
        2015-01-20  11681.80    11721.90    11635.70    11695.00    11021415    1.234730e+10    NaN
        2015-01-21  11732.45    11838.30    11659.70    11813.70    18679282    1.973070e+10    11418.113333
        2015-01-22  11832.55    11884.50    11782.95    11850.85    15715515    1.655670e+10    11460.456667
        2015-01-23  11877.90    11921.00    11767.40    11885.15    30034833    2.001210e+10    11494.660000
        2015-01-27  11915.60    11917.25    11679.55    11693.45    17005337    1.866840e+10    11524.320000
        2015-01-28  11712.55    11821.80    11693.80    11809.55    16876897    1.937590e+10    11580.963333
        2015-01-29  11812.35    11861.50    11728.75    11824.15    15520902    2.160790e+10    11641.506667
        2015-01-30  11998.35    12003.35    11799.35    11824.75    18559078    2.905950e+10    11695.280000
        2015-02-02  11871.35    11972.60    11847.80    11943.95    17272113    2.304050e+10    11731.566667
        2015-02-03  11963.75    12000.65    11849.00    11963.90    21053605    1.770590e+10    11759.583333