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]]