python - 在Python pandas中计算4列的rolling_std来计算布林线？

Question

我刚刚开始使用 Pandas，尝试使用大型数据集轻松完成我在 excel 中会做的事情。我选择了一些 future 价格数据，并使用以下方法将其输入到 Pandas 中:

df = pd.read_csv('TData1.csv')

这给了我一个数据帧。数据格式如下:

Date,Time,Open,High,Low,Close,Volume,Tick Count
02/01/2013,05:01:00,1443.00,1443.75,1438.25,1440.25,20926,4652
02/01/2013,05:02:00,1440.25,1441.75,1440.00,1441.25,7261,1781
02/01/2013,05:03:00,1441.25,1443.25,1441.00,1443.25,5010,1014

现在我本质上想做的是计算 pandas 中的布林线。如果我在 Excel 中，我会选择整个“最高”、“最低”、“开盘”和“收盘”列，例如 20 行，并计算标准差。

我看到pandas有rolling_std函数，它可以计算滚动标准差，但只能计算一列。如何让 Python Pandas 计算 20 个周期的“最高价”、“最低价”、“开盘价”和“收盘价”列的滚动标准差？

谢谢。

Answer 1

您可以在整个DataFrame或子集上调用rolling_std:

>>> pd.rolling_std(df[['high','open','close','low']], 5)

像这样:

>>> df = pd.DataFrame({'high':np.random.randint(15,25,size=10), 'close':np.random.randint(15,25,size=10), 'low':np.random.randint(15,25,size=10), 'open':np.random.randint(15,25,size=10), 'a':list('abcdefghij')})
>>> df
   a  close  high  low  open
0  a     16    20   18    15
1  b     21    23   22    15
2  c     20    23   21    23
3  d     19    24   24    17
4  e     23    19   20    17
5  f     15    16   19    17
6  g     19    24   23    19
7  h     21    18   17    22
8  i     22    22   17    15
9  j     19    20   17    18
>>> pd.rolling_std(df[['high','open','close','low']], 5)
       high      open     close       low
0       NaN       NaN       NaN       NaN
1       NaN       NaN       NaN       NaN
2       NaN       NaN       NaN       NaN
3       NaN       NaN       NaN       NaN
4  2.167948  3.286335  2.588436  2.236068
5  3.391165  3.033150  2.966479  1.923538
6  3.563706  2.607681  2.863564  2.073644
7  3.633180  2.190890  2.966479  2.880972
8  3.193744  2.645751  3.162278  2.489980
9  3.162278  2.588436  2.683282  2.607681