web-dev-qa-db-fra.com

Moyenne mobile- Pandas

J'aimerais ajouter un calcul de moyenne mobile à ma série chronologique d'échanges.

Données originales de Quandl

Exchange = Quandl.get ("BUNDESBANK/BBEX3_D_SEK_USD_CA_AC_000", authtoken = "xxxxxxx")

    Value
Date               
1989-01-02  6.10500
1989-01-03  6.07500
1989-01-04  6.10750
1989-01-05  6.15250
1989-01-09  6.25500
1989-01-10  6.24250
1989-01-11  6.26250
1989-01-12  6.23250
1989-01-13  6.27750
1989-01-16  6.31250

Calcul de la moyenne mobile

MovingAverage = pd.rolling_mean (Exchange, 5)

              Value
Date          
1989-01-02      NaN
1989-01-03      NaN
1989-01-04      NaN
1989-01-05      NaN
1989-01-09  6.13900
1989-01-10  6.16650
1989-01-11  6.20400
1989-01-12  6.22900
1989-01-13  6.25400
1989-01-16  6.26550

Je voudrais ajouter la moyenne mobile calculée en tant que nouvelle colonne à droite après "Valeur" en utilisant le même index (Date). De préférence, j'aimerais également renommer la moyenne mobile calculée en "MA".

pythonpython-3.xpandasmoving-average
26
Martin598

La moyenne glissante renvoie un Series, il vous suffit de l'ajouter comme nouvelle colonne de votre DataFrame (MA) comme décrit ci-dessous.

Pour information, le rolling_mean La fonction est obsolète dans pandas versions plus récentes. J'ai utilisé la nouvelle méthode dans mon exemple, voir ci-dessous une citation de pandas documentation

Avertissement Avant la version 0.18.0, pd.rolling_*, pd.expanding_*, et pd.ewm* étaient des fonctions de niveau module et sont maintenant obsolètes. Ceux-ci sont remplacés en utilisant Rolling, Expanding et EWM. objets et un appel de méthode correspondant.

df['MA'] = df.rolling(window=5).mean()

print(df)
#             Value    MA
# Date                   
# 1989-01-02   6.11   NaN
# 1989-01-03   6.08   NaN
# 1989-01-04   6.11   NaN
# 1989-01-05   6.15   NaN
# 1989-01-09   6.25  6.14
# 1989-01-10   6.24  6.17
# 1989-01-11   6.26  6.20
# 1989-01-12   6.23  6.23
# 1989-01-13   6.28  6.25
# 1989-01-16   6.31  6.27
44
Romain

Si vous calculez plus d'une moyenne mobile:

for i in range(2,10):
   df['MA{}'.format(i)] = df.rolling(window=i).mean()

Ensuite, vous pouvez faire une moyenne globale de tous les MA

df[[f for f in list(df) if "MA" in f]].mean(axis=1)
5
chrisckwong821

Une moyenne mobile peut également être calculée et visualisée directement dans un graphique à courbes à l'aide du code suivant:

Exemple utilisant des données de cours boursier:

import pandas_datareader.data as web
import matplotlib.pyplot as plt
import datetime
plt.style.use('ggplot')

# Input variables
start = datetime.datetime(2016, 1, 01)
end = datetime.datetime(2018, 3, 29)
stock = 'WFC'

# Extrating data
df = web.DataReader(stock,'morningstar', start, end)
df = df['Close']

print df 

plt.plot(df['WFC'],label= 'Close')
plt.plot(df['WFC'].rolling(9).mean(),label= 'MA 9 days')
plt.plot(df['WFC'].rolling(21).mean(),label= 'MA 21 days')
plt.legend(loc='best')
plt.title('Wells Fargo\nClose and Moving Averages')
plt.show()

Tutoriel sur la façon de procéder: https://youtu.be/XWAPpyF62Vg

4
Martin598