问题描述：

我想在我的交易时间序列中添加移动平均计算。

原始数据来自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

# Calculating Moving Avarage
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

Value我想在使用相同索引 ( )后将计算出的移动平均线作为新列添加到右侧Date。最好我还想将计算出的移动平均线重命名为MA。

解决方案 1：

滚动平均值返回您只需将其添加为（ ）Series的新列，如下所述。DataFrame`MA`

供您参考，该函数在 Pandas 较新版本中已被弃用。我在示例中使用了新方法，请参阅下面来自 Pandas文档rolling_mean的引文。

警告在 0.18.0 版本之前，、、pd.rolling_*和pd.expanding_*是pd.ewm*模块级函数，现已弃用。这些函数通过使用Rolling、Expanding和EWM.对象以及相应的方法调用来替换。

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

解决方案 2：

还可以使用以下代码直接在折线图中计算和可视化移动平均线：

使用股票价格数据的示例：

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
Close and Moving Averages')
plt.show()

有关如何执行此操作的教程：https：//youtu.be/XWAPpyF62Vg

解决方案 3：

如果您要计算多个移动平均线：

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

然后你可以对所有 MA 进行汇总平均

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

解决方案 4：

为了获得 Pandas 中的移动平均值，我们可以使用 cum_sum，然后除以计数。

以下是实际示例：

import pandas as pd
import numpy as np

df = pd.DataFrame({'id': range(5),
                   'value': range(100,600,100)})

# some other similar statistics
df['cum_sum'] = df['value'].cumsum()
df['count'] = range(1,len(df['value'])+1)
df['mov_avg'] = df['cum_sum'] / df['count']

# other statistics
df['rolling_mean2'] = df['value'].rolling(window=2).mean()

print(df)

输出

   id  value  cum_sum  count  mov_avg     rolling_mean2
0   0    100      100      1    100.0           NaN
1   1    200      300      2    150.0           150.0
2   2    300      600      3    200.0           250.0
3   3    400     1000      4    250.0           350.0
4   4    500     1500      5    300.0           450.0