Python Pandas Dataframe：如何从现有 Dataframe 列中获取趋势线数据？
Python Pandas Dataframe: How to get Trend Lines data from existing dataframe columns?
我希望能够从其他列的两个点创建包含趋势线数据的列，例如收盘价为 5 天后的收盘价。
我希望趋势线向前和向后看，延伸超过绘制它的 2 个点。
现在我不想在 mplfinance 或 matplotlib 中绘制它们，我只想要趋势线数字以便我可以使用它们。
非常感谢任何帮助:)
基本思想是确定直线公式中的常数，并使用公式将趋势线向前and/or向后延伸。直线的公式是：
y = mx + b
其中 m 是 斜率 而 b 是 y 轴截距 （y 当 x == 0).
此公式假设 x 和 y 都是连续的。
给定两个点（两个 x,y 对）x1、y1 和 x2、y2，首先计算斜率：
slope = (y2-y1) / (x2-x1)
然后使用两个点中的任何一个来计算 y 轴截距：
y-intercept = y1 - slope*x1
现在您可以使用y = mx + b计算x
所有相关值的直线y
对于时间序列数据，上面有两个问题：
第一个问题是在时间序列中y通常是float 而 x 通常是 datetime[=93 的某种风格=] 对象。这意味着斜率 (y2-y1)/(x2-x1) 将是 float 除以 DatetimeDelta，大多数编程语言都不允许这样做（除非您可以覆盖除法运算符；但如果可以，使用什么算法？）。
这个问题的解决方案是首先将日期时间转换成float表示，它与关于时间（例如，UNIX 时间或 matplotlib 日期时间）。现在您可以计算斜率和 y 轴截距了。
第二个问题 如果您的时间序列与时间不连续，就会发生。如果您选择忽略非交易日，这在交易数据中很常见。忽略非交易日会导致 x 轴随时间不连续。这意味着斜率计算 (y2-y1)/(x2-x1) 将不正确。
这个不连续性问题有两个解决方案：
- 不用担心，因为在短时间内，即使有一些不连续性，斜率计算 可能 是一个足够接近的近似值。
- 如果您的数据框中完全缺少非交易日，请认识到，虽然数据在时间方面可能是不连续的，但它在[方面是连续的 数据帧的行号。因此，可以使用分母中的数据帧行号来计算斜率。
A more detailed discussion, along with some code examples and plots, can be found by clicking here.
hth
我希望能够从其他列的两个点创建包含趋势线数据的列，例如收盘价为 5 天后的收盘价。
我希望趋势线向前和向后看，延伸超过绘制它的 2 个点。
现在我不想在 mplfinance 或 matplotlib 中绘制它们，我只想要趋势线数字以便我可以使用它们。
非常感谢任何帮助:)
基本思想是确定直线公式中的常数，并使用公式将趋势线向前and/or向后延伸。直线的公式是：
y = mx + b
其中 m 是 斜率 而 b 是 y 轴截距 （y 当 x == 0).
此公式假设 x 和 y 都是连续的。
给定两个点（两个 x,y 对）x1、y1 和 x2、y2，首先计算斜率：
slope = (y2-y1) / (x2-x1)
然后使用两个点中的任何一个来计算 y 轴截距：
y-intercept = y1 - slope*x1
现在您可以使用y = mx + b计算x
y
对于时间序列数据，上面有两个问题：
第一个问题是在时间序列中y通常是float 而 x 通常是 datetime[=93 的某种风格=] 对象。这意味着斜率 (y2-y1)/(x2-x1) 将是 float 除以 DatetimeDelta，大多数编程语言都不允许这样做（除非您可以覆盖除法运算符；但如果可以，使用什么算法？）。
这个问题的解决方案是首先将日期时间转换成float表示，它与关于时间（例如，UNIX 时间或 matplotlib 日期时间）。现在您可以计算斜率和 y 轴截距了。
第二个问题 如果您的时间序列与时间不连续，就会发生。如果您选择忽略非交易日，这在交易数据中很常见。忽略非交易日会导致 x 轴随时间不连续。这意味着斜率计算 (y2-y1)/(x2-x1) 将不正确。
这个不连续性问题有两个解决方案：
- 不用担心，因为在短时间内，即使有一些不连续性，斜率计算 可能 是一个足够接近的近似值。
- 如果您的数据框中完全缺少非交易日，请认识到，虽然数据在时间方面可能是不连续的，但它在[方面是连续的 数据帧的行号。因此，可以使用分母中的数据帧行号来计算斜率。
A more detailed discussion, along with some code examples and plots, can be found by clicking here.
hth