if len(args)>5:
print(‘提示:添加均线数量最多是五个!’)
return None
import pandas as pd
plt.plot(tsPrice, label=“Close”, color=‘g’)
colors = [‘r’, ‘k’, ‘b’, ‘c’, ‘y’] # 设定5个颜色,也即关系到上边均线数量的上限。
j = 0 # 用于颜色索引转换
for k in args:
Sma=pd.Series(0.0, index=tsPrice.index)
for i in range(k-1, len(tsPrice)):
Sma[i] = sum(tsPrice[(i-k+1):(i+1)])/k
plt.plot(Sma[k-1:], label=“Sma”+str(k), color=colors[j], linestyle=‘dashed’)
j += 1
days=‘&’.join([str(ints) for ints in args])
plt.title(name + ‘收盘数据附’ + days + ‘日MAV图’)
plt.legend() # 增设图例
plt.show()
plt.savefig(path + ‘/’ + name + ‘收盘数据时序图附’ + days + ‘MAV.png’)
调用
plot_smaCal(‘深证成指’,Close[‘2020’],5,10,20,50)
输出结果如图:
1.5 直接使用mplfinance库来绘制
直接使用mplfinance库来绘制不失为一种更简单的方法。
import mplfinance as mpf
road = path + ‘/深证成指2020年收盘数据附5&10日MAV图.jpg’
s = mpf.make_mpf_style(base_mpf_style=‘blueskies’, rc={‘font.family’: ‘SimHei’}) # 解决mplfinance绘制输出中文乱码
mpf.plot(df[‘2020’], type=‘line’,
ylabel=“price”, style=s, title=‘深证成指2020年时序图附5&10日双均线’, mav=(5, 10), volume=True, ylabel_lower=“volume(shares)”, savefig=road)
通过设定不定长参数mav,即想要得到简单移动平均线的时间跨度,来获取想要的结果。
然后在前边指定的目录即可查看到图像(这里是保存在D盘今日日期命名的文件夹里边)
图像效果如下:
2.1 加权移动平均数
加权移动平均,即对数据赋予一定的权重后再求平均。
一般认为离当前时间点越近的数据越具有代表性,越远则越没有代表性。
WMAt=5 = w1p1 + w2p2