小编给大家分享一下Python如何绘制股票移动均线,希望大家阅读完这篇文章之后都有所收获、下面让我们一起去探讨吧!
<强> 1。前沿强>
移动均线是股票最进本的指标,本文采用numpy.convolve计算股票的移动均线
<强> 2。numpy.convolve 强>
numpy。卷积(a、v模式=& # 39;全# 39;)
返回离散、线性卷积两> a :, (N) array_like ,First one-dimensional  input 数组。 ,v : (M) array_like ,Second one-dimensional  input 数组。 ,mode :{“全# 39;,,”有效# 39;,,“相同# 39;},,可选的 ,“全# 39;: By 默认情况下,才能,mode is ,“全# 39;只却;能够returns 从而convolution at each point of 重叠,,with an output shape of (N + m - 1)只at 从而end-points of 从而,卷积,从而signals do not overlap 完全,以及boundary effects may be 观察。 ,“相同# 39;: Mode 才能same returns  output of length 马克斯(M, N)只Boundary effects 断开连接;still 可见。 ,“有效# 39;: Mode 才能valid returns  output of length 马克斯(M, N),安康;min (M, N), +, 1只,convolution product is only given for points where 从而signals overlap 完全只Values outside 从而signal boundary have no 效果。
<>强劲的回报:强>
out : ndarray ,离散,linear convolution  of a 以及v。
<强>计算公式:强>
,
在祝辞祝辞,import numpy as np 在在在, 祝辞祝辞祝辞,np_list =, np.array ([1, 2, 3, 4, 5, 6, 7, 8, 9)) 在在在, 在祝辞祝辞np_list 数组([1,2,3,4,5,6,7,8,9)) 在祝辞祝辞,x =, np.convolve (np_list, 2) 在祝辞祝辞x 阵列((,2,4,6,8,10,12日,14日,16日,18)) 在祝辞祝辞,x =, np.convolve (np_list, [0.5, 0.5]) 在祝辞祝辞x 数组([,0.5,1.5,2.5,3.5,4.5,5.5,6.5,7.5,8.5,4.5])
<强> 3。移动均线计算强>
def moving_average (x,, n, type=& # 39;简单# 39;):=,,x  np.asarray (x)==,if type & # 39;简单# 39;: 时间=weights 才能;np.ones (n) ,其他的: weights 才能=,np.exp (np.linspace (1。,, 0。,, n)) ,weights /=, weights.sum ()=,,a  np.convolve (x),重量,,模式=& # 39;全# 39;)(len (x)): ,一个[:n]=, [n] 以前,return >, ma10 =, moving_average (close_data, 10日,& # 39;简单# 39;)=,,ma20  moving_average (close_data, 20日,& # 39;简单# 39;) ,ax1.plot(数据(& # 39;日期# 39;],,ma10,,颜色=& # 39;c # 39;,, lw=2,,标签=& # 39;MA (10) & # 39;) ,ax1.plot(数据(& # 39;日期# 39;],,ma20,,颜色=& # 39;红色# 39;,,lw=2,,标签=& # 39;MA (20) & # 39;)<强> 4。效果图强>
Python是什么意思
Python是一种跨平台的,具有解释性,编译性,互动性和面向对象的脚本语言,其最初的设计是用于编写自动化脚本,随着版本的不断更新和新功能的添加,常用于用于开发独立的项目和大型项目。
看完了这篇文章,相信你对“Python如何绘制股票移动均线”有了一定的了解,如果想了解更多相关知识,欢迎关注行业资讯频道,感谢各位的阅读!
Python如何绘制股票移动均线