Im apenas começando em Pandas, tentando fazer o que eu faria em excel facilmente apenas com um grande conjunto de dados. Eu tenho uma seleção de dados de preços de futuros que eu tenho entrada em Pandas usando: isso me dá um DataFrame. Os dados estão na forma abaixo: Agora o que Im essencialmente tentando fazer é calcular uma banda de Bollinger em pandas. Se eu estivesse no excel eu selecionaria todo o bloco de alta, baixa, abrir e fechar colunas para dizer 20 linhas e calcular o desvio padrão. Eu vejo pandas tem a função rollingstd que pode calcular o desvio padrão de rolamento, mas apenas em uma coluna. Como faço para que o Python Pandas calcule um desvio padrão na coluna Alta, Baixa, Aberta e Fechar para dizer 20 períodos O que estou tentando fazer é calcular a devação padrão em todos os valores selecionados nas 4 colunas, não apenas em cada indivíduo coluna. No excel eu poderia apenas usar DESVPAD (A1: D5) para encontrar o desvio padrão de todos os números nesse bloco selecionado. O que eu estou tentando descobrir é como fazer pandas / python olhar para todos os valores abertos / altos / baixos / fechar voltando 20 períodos e me diga o desvio padrão, não apenas para as colunas individuais. User2999716 Nov 16 13 em 17: 22Eu estou usando python. Pandas Matplotlib para fazer o seguinte: eu tracei alguns dados de estoque com suas bandas de Bollinger. Os dados plotados são lowerBB. Upperbb. E dfdata. Lowerbb é uma moldura de dados contendo os dados de banda de Bollinger inferiores upperbb é um quadro de dados contendo os dados de banda de Bollinger superior. Dfdata é um quadro de dados contendo dados para um estoque. O enredo está saindo corretamente, mas agora eu quero adicionar linhas verticais no meu gráfico onde eu vou longo ou curto um estoque. Estou um pouco confuso como eu deveria fazer isso, eu quero um estoque se o dfdata vai para cima através da banda inferior bollinger e eu quero curto um estoque se o dfdata cai abaixo da banda bollinger superior. Qualquer sugestão sobre como fazer isso perguntou Oct 28 15 at 20:45
No comments:
Post a Comment