在 python pandas 的 4 列上计算 rolling_std 以计算布林带？

Question

我刚刚开始使用 Pandas，尝试使用大型数据集轻松完成我在 excel 中所做的事情。我有选择的期货价格数据输入到 Pandas 中：

df = pd.read_csv('TData1.csv')

这给了我一个 DataFrame。数据格式如下：

Date,Time,Open,High,Low,Close,Volume,Tick Count
02/01/2013,05:01:00,1443.00,1443.75,1438.25,1440.25,20926,4652
02/01/2013,05:02:00,1440.25,1441.75,1440.00,1441.25,7261,1781
02/01/2013,05:03:00,1441.25,1443.25,1441.00,1443.25,5010,1014

现在我实际上要做的是在熊猫中计算布林带。如果我在 excel 中，我会选择 'High'、'Low'、'Open' 和 'Close' 列的整个块，例如 20 行并计算标准偏差。

我看到 pandas 有 rolling_std 函数，它可以计算滚动标准偏差，但只在一列上。如何让 Python Pandas 计算 20 个周期的“高”、“低”、“开”和“收”列的滚动标准差？

谢谢。

Answer 1

您可以在整个 DataFrame 或子集上调用 rolling_std：

>>> pd.rolling_std(df[['high','open','close','low']], 5)

像这样：

>>> df = pd.DataFrame({'high':np.random.randint(15,25,size=10), 'close':np.random.randint(15,25,size=10), 'low':np.random.randint(15,25,size=10), 'open':np.random.randint(15,25,size=10), 'a':list('abcdefghij')})
>>> df
   a  close  high  low  open
0  a     16    20   18    15
1  b     21    23   22    15
2  c     20    23   21    23
3  d     19    24   24    17
4  e     23    19   20    17
5  f     15    16   19    17
6  g     19    24   23    19
7  h     21    18   17    22
8  i     22    22   17    15
9  j     19    20   17    18
>>> pd.rolling_std(df[['high','open','close','low']], 5)
       high      open     close       low
0       NaN       NaN       NaN       NaN
1       NaN       NaN       NaN       NaN
2       NaN       NaN       NaN       NaN
3       NaN       NaN       NaN       NaN
4  2.167948  3.286335  2.588436  2.236068
5  3.391165  3.033150  2.966479  1.923538
6  3.563706  2.607681  2.863564  2.073644
7  3.633180  2.190890  2.966479  2.880972
8  3.193744  2.645751  3.162278  2.489980
9  3.162278  2.588436  2.683282  2.607681