我正在使用Quandl提取的数据对Microsoft股票进行时间序列分析。我想将收盘价格与移动平均线进行对比。当我绘制移动平均线时,它们不会一直走到图的右侧。
我认为有差距是有道理的(例如200天移动平均线直到第200天才能开始),但我担心差距在右边。这意味着它是从最近的日期开始的(这是有道理的,因为最近的日期是时间序列中的第一个),这显然不是正确的方法。
我可以反转系列(新的数据框上升而不是下降),但我相信它也会绘制从最近的日期开始的图形,这显然是不可接受的。
#calculate moving averages for Microsoft
roll100 = MSFT_data['Adj. Close'].rolling(100).mean()
roll200 = MSFT_data['Adj. Close'].rolling(200).mean()
roll50 = MSFT_data['Adj. Close'].rolling(50).mean()
roll10 = MSFT_data['Adj. Close'].rolling(10).mean()
roll200.plot(label = '200 Day Moving Average')
roll50.plot(label = '50 Day Moving Average')
roll100.plot(label = '100 Day Moving Average')
MSFT_data['Adj. Close'].plot(label = 'MSFT Closing Price', color = 'blue')
plt.legend(loc = 'upper left')
由于移动平均线应始终从最早的日期开始计算,我假设我错过了一个简单的命令。
更新:有人建议我将移动平均线作为原始数据框的一部分(我假设它们与日期索引相关联)但我得到了相同的结果:
MSFT_data['roll100'] = MSFT_data['Adj. Close'].rolling(100).mean()
MSFT_data['roll200'] = MSFT_data['Adj. Close'].rolling(200).mean()
MSFT_data['roll50'] = MSFT_data['Adj. Close'].rolling(50).mean()
MSFT_data['roll10'] = MSFT_data['Adj. Close'].rolling(10).mean()
#plot Microsoft Price along with moving averages
fig = plt.figure()
fig.set_figheight(8)
fig.set_figwidth(10)
MSFT_data['roll200'].plot(label = '200 Day Moving Average')
MSFT_data['roll50'].plot(label = '50 Day Moving Average')
MSFT_data['roll100'].plot(label = '100 Day Moving Average')
MSFT_data['Adj. Close'].plot(label = 'MSFT Closing Price', color = 'blue')
plt.legend(loc = 'upper left')
如果我检查列例如:
MSFT_data['roll10'].head(12)
Date
2017-12-29 NaN
2017-12-28 NaN
2017-12-27 NaN
2017-12-26 NaN
2017-12-22 NaN
2017-12-21 NaN
2017-12-20 NaN
2017-12-19 NaN
2017-12-18 NaN
2017-12-15 85.796
2017-12-14 85.711
2017-12-13 85.674
Name: roll10, dtype: float64
我可以看到最近的9个值是NaN。相反,如果我创建一个新的数据框并尝试重新索引升序,那么尾部的最后9个值是NaN。
我不确定这是否可以帮助你,但如果我尝试重现这一点,我就没有任何差距。我认为你的问题是你没有将MA添加到原来的df
。这是我的代码
%matplotlib inline
import pandas as pd
import numpy as np
N = 400
dates = pd.date_range(start='2018-01-01', periods=N, freq="T")
df = pd.DataFrame({"Date":dates, "Adj. Close":np.random.rand(N)})
for ma in [10,50, 100,200]:
df["MA{}".format(ma)] = df["Adj. Close"].rolling(ma).mean()
df.plot(x="Date").legend(bbox_to_anchor=(1, 1));
我不确定这是100%的答案,但它与从最新到最少创建的数据框有关,然后编入索引。通过重置索引,按升序排序,并重新索引回到日期,我得到了它的工作。
MSFT1 = MSFT_data.sort_index(ascending = True)
MSFT1 = MSFT1.reset_index()
MSFT1 = MSFT1.set_index('Date')