Python之数据分析（案例：净额成交量、矢量化、数据曲线平滑）

一、净额成交量

1、案例分析

• 符号数组a: [10 -20 30 40 -50]
• 用法：numpy.sign(a)
  结果是[1 -1 1 1 -1]
• 净额成交量：简称OBV，赚了是正，赔了是负
• 利用条件筛选来得到盈亏指标：一参是差分数组，二参是条件数组，三参是各个条件对应的值数组

2、第二种筛选方法

sign_closing_price = np.piecewise(
diff_closing_price,
[diff_closing_price < 0,
diff_closing_price == 0,
diff_closing_price > 0],
[-1, 0 , 1]
)

3、案例源码

import datetime as dt
import numpy as np
import matplotlib.pylab as mp
import matplotlib.dates as md


def dmy2ymd(dmy):
    dmy = str(dmy, encoding='utf-8')  # 转码dmy日期
    date = dt.datetime.strptime(dmy, '%d-%m-%Y').date()  # 获取时间对象
    ymd = date.strftime('%Y-%m-%d')
    return ymd

dates, closing_prices, volumes = np.loadtxt(
    '0=数据源/beer_price2.csv', delimiter=',',
    usecols=(0, 4, 5), unpack=True,
    dtype=np.dtype('M8[D], f8, f8'),
    converters={
   0: dmy2ymd}
)

# 交易日的差分（后一天减去前一天）组成的差分数组，正的是赚了，负的是赔了
diff_closing_price = np.diff(closing_prices)
sign_closing_price = np.sign(diff_closing_price)
# print(diff_closing_price)
# print(sign_closing_price)

# 利用条件筛选来得到盈亏指标：一参是差分数组，二参是条件数组，三参是各个条件对应的值数组
sign_closing_price = np.piecewise(
    diff_closing_price,
    [diff_closing_price < 0,
     diff_closing_price == 0,
     diff_closing_price > 0],
    [-1, 0, 1]
)

# 得到盈亏量，带正负的
obvs = volumes[1:] * sign_closing_price  # 成交量乘盈亏指标，得到的是盈亏量

# 曲线图基础设置
mp.figure('On-Balance Volume', facecolor='lightgray')
mp.title('On-Balance Volume', fontsize=20)
mp.xlabel('Date', fontsize=