總結(jié)

使用遞歸和循環(huán)兩種方法來完成

python環(huán)境下循環(huán)相比于遞歸更快，更適應(yīng)極端樣本情況

遞歸

def _ema(arr,i=None):

N = len(arr)

α = 2/(N+1) #平滑指數(shù)

i = N-1 if i is None else i

if i==0:

return arr[i]

else:

data = 0

data += (α*arr[i]+(1-α)*EMA(arr,i-1)) #遞歸公式

return data

循環(huán)

def _ema(arr):

N = len(arr)

α = 2/(N+1)

data = np.zeros(len(arr))

for i in range(len(data)):

data[i] = arr[i] if i==0 else α*arr[i]+(1-α)*data[i-1] #從首開始循環(huán)

return data[-1]

主體

def EMA(arr,period=21):

data = np.full(arr.shape,np.nan)

for i in range(period-1,len(arr)):

data[i] = _ema(arr[i+1-period:i+1])

return data

耗時(shí)

樣本為900長度的numpy.array：

遞歸保持在2.5ms附近，循環(huán)在1ms以內(nèi)

當(dāng)樣本達(dá)到5000時(shí)

遞歸超過10ms，循環(huán)5ms左右

樣本

python默認(rèn)遞歸極限為1000，若樣本數(shù)超過1000，則需要調(diào)高遞歸極限

import sys

sys.setrecursionlimit(10000)

調(diào)高遞歸極限至10000

引用

Pandas(1.0.1)和talib對(duì)比

總結(jié)

talib計(jì)算一維樣本速度快的令人發(fā)指…但是缺點(diǎn)是面對(duì)多維樣本只能通過循環(huán)

pandas一維下雖然速度不及talib，但是10000的長度也只插了3ms左右，而且面對(duì)多維樣本可以一步到位

Talib

import talibarr

data = talib.EMA(arr,timeperiod=21)

Pandas

import pandas as pd

def EMA(arr,period=21):

df = pd.DataFrame(arr)

return df.ewm(span=period,min_periods=period).mean()

引用

原文鏈接:https://blog.csdn.net/cRexxar/article/details/105532398

總結(jié)

以上是生活随笔為你收集整理的python 移动平均线_Python 计算EMA(指数移动平均线)的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。