使用pandas计算指数移动平均值

Question

我尝试使用 Pandas 计算 EMA，但结果不太好。我尝试了2种计算技术：

第一种技术是使用 Pandas 的 ewn 函数：

window = 100
c = 2 / float(window + 1)
df['100ema'] = df['close'].ewm(com=c).mean()

但是这个函数的最终结果为2695.4，而真正的结果是2656.2

第二种技术是

window = 100
c = 2 / float(window + 1)
df['100sma'] = df['close'].rolling(window).mean()
df['100ema'] = (c * df['close']) + ((1 - c) * df['100sma'])

结果为2649.1，比第一种方法更接近，但仍然不理想。

sma函数提供了良好的结果。

**编辑**

响应为

df['100ema'] = pd.Series.ewm(df['close'], span=window).mean()

- john

---

非常感谢您的本地熊猫响应!!! - A. STEFANI

Answer 1

如果你想在Python中计算EWMA或任何技术指标，我建议使用ta-lib。

- user9609399

---

我想使用这个库，而不是自己费尽心思去编写。 - john

我花了好几天的时间，愿意再花几天的时间自己实现其中的20个。谢谢。在我的工作中，我搜索的所有内容中，“Python TA库”都不在其中。 - Hudson Hughes

df是我的数据框，‘close’是股票的收盘价。我使用以下指令计算了各种时间段的EMA：

df['ema12'] = talib.EMA(df['close'],timeperiod=12) df['ema18'] = talib.EMA(df['close'],timeperiod=18) df['ema25'] = talib.EMA(df['close'],timeperiod=25)

- KawaiKx

Answer 2

expwighted_avg = ts_log.ewm(halflife=12).mean()

其中'ts_log'是时间序列的数据帧或系列

注：Time Series即时间序列

- Brahmaiahchowdary