算术移动平均MA

入参：
data：list序列或者数组， 如[1,2,3,4,5,6]
steps: 步长，如果steps=2, 则是计算2单位时间的Moving Average

下面是python计算代码，有个测试数据你可以直接CV到你解释器执行

# 趋势指标：计算《价格》移动平均数；
# 参数data：（收盘）价格的列表/数组
# 参数 steps：5代表 5个时间单位的移动平均数


"""
注意点
1. python索引从0开始，step步长从1开始计算，需统一
2. 注意range区间左闭右开
"""

def udf_ma(data, steps):

    # 数据/序列长度不能小于steps
    if len(data) < steps:
        print("索引越界：价格区间长度小于移动平均区间长度")
        return

    if steps <= 0:
        print("步长最小为1")
        return

    # 空list， append计算的返回值
    Res = []

    # 区间长度
    lens = steps

    # 处理steps：python索引从0开始，step步长从1开始计算，需统一
    steps = steps - 1

    # 例： ls =  [10, 11, 12, 13, 14, 15, 16, 17, 18, 19]
    # 从前往后计算方法 --> 滑动分组求和（10, 11, 12），（11, 12, 13）...（17, 18, 19）
    for current_index in range(len(data)):

        # 确定移动平均值开始区间
        start_index = current_index - steps

        # 开始区间要大于0
        if start_index >= 0:

            # 求和初始值设置0
            tmp = 0

            # 移动平均区间内（10, 11, 12）  计算平均值, 注意range左闭右开，此处 + 1 处理
            for k in range(start_index, current_index + 1):
                # 区间求和
                tmp += data[k]

            # 均值
            tmp_avg = tmp / lens

            kv = [data[current_index], tmp_avg]
            Res.append(kv)

        # 为了保持数据长度对应，将无法求移动均值的 用原值代替
        else:
            kv = [data[current_index], data[current_index]]
            Res.append(kv)

    return Res




if __name__ == '__main__':

    ls = list(range(10, 20))
    print("ls = ", ls, "\nlen(ls) = ", len(ls))

    # 1. 每隔3个数值求和/均值，那么前两个数值是无法计算的
    # 2. 此处处理前几个无法计算ma的值为其对应的原值，比如 第一个数字无法求ma，则将第一个数值的ma设置为第一个数值
    ma = udf_ma(ls, 3)
    print("ma = ", ma, "\nlen(ma) = ", len(ma))

运行结果如下：

返回是一个嵌套list，[[价格1，对应MA]，[价格2，对应MA]，[价格3，对应MA]]