我正在处理股票的金融时间序列数据 (OHLCV)，并正在使用金融指标（例如布林带）扩充我的数据集。我有一个 Postgres/TimescaleDB 超表设置并计划使用 psycopg2 来运行查询。
我想做的是能够自动和动态地将列添加到我现有的数据库表中，其中包含来自现有 python 库/模块的不同技术指标。
举个例子，我有一个长表，列中有每日 OHLCV 和股票代码数据，以便稍后进行 ETL 处理。我想运行数量尚未确定的指标，例如布林带（上限和下限）、RSI、EMA 等。但不想每次我都通过 psycopg2 在 SQL 中手动编码这些新列创建一个新指标，而是将它们作为参数提供，以便在数据库中自动设置 - 作为迁移/新表，或在现有的每日表中。 （以最有效的方式）
我环顾四周，但没有看到任何我认为可能适用于此的东西。
【问题讨论】：
标签： python postgresql psycopg2 timescaledb
我建议不要重复修改您的表格，而是以不同的方式对数据进行建模。例如，您可以创建以下表格
-- Table for the original series
CREATE TABLE series (
id INTEGER PRIMARY KEY,
datetime TIMESTAMP NOT NULL,
symbol TEXT NOT NULL,
value NUMBER NOT NULL
);
-- Table for the derived indicators
CREATE TABLE indicators (
id INTEGER PRIMARY KEY,
series_id INTEGER NOT NULL,
name TEXT NOT NULL,
value NUMBER NOT NULL,
FOREIGN KEY (series_id) REFERENCES series(id)
);
然后，您可以为每个原始系列计算任意数量的指标（存储在 series 中）并将派生值存储在 indicators 中。这种方法还有一个额外的好处，即您不需要评估所有时间序列的所有指标（或者当您不评估所有数据点的所有指标时，有一堆 NULL 列）。
例如1，
import numpy as np
import psycopg2
SYMBOL = "GOOG"
INDICATOR = "EMA"
with psycopg2.connect("your connection string") as conn:
# Get the data
with conn.cursor() as cur:
cur.execute("SELECT id, value FROM series WHERE symbol = %s", (SYMBOL,))
ids, values = np.transpose(cur.fetchall())
# Calculate the indicator
indicator_values = evaluate_indicator(values, INDICATOR)
# Insert the indicator values
with conn.cursor() as cur:
data = [(series_id, INDICATOR, value) for series_id, value in
zip(ids, indicator_values)]
cur.executemany("INSERT INTO indicators (series_id, name, value) VALUES (%s, %s, %s)",
data)
话虽如此，如果您想沿着扩展表架构的路线前进，您可以在计算每个新指标之前使用ALTER TABLE command 创建一个新列。
1我没有测试过这段代码，所以它可能包含一些小问题。
【讨论】：