Python 从每分钟更新的变量创建系列

所以我在做一个程序，下面的变量fastMA和slowMA每分钟计算一次。我试图找出一种方法，将计算出的每个实例添加到一个系列中，以便将最近一分钟的值与最后一分钟的值进行比较。所以我只需要两个最新的计算

if len(dfC) >= 75:

    fastMAcloses = pd.DataFrame(dfC.tail(20)).values
    fastMA = fastMAcloses.sum() / 20
    print(fastMA)

    slowMAcloses = pd.DataFrame(dfC.tail(75)).values
    slowMA = slowMAcloses.sum() / 75
    print(slowMA)

else:
    print('... calculating MAs in', 75 - len(dfC), 'min')

到目前为止，我想到的是：

    columnsMA = ['Fast MA:', 'Slow MA:']
    valuesMA = [fastMA, slowMA]
    listMA = list(valuesMA)
    seriesMA = pd.Series(listMA, columnsMA)
    print(seriesMA)

---

但是，每次计算时，新分钟的值都会覆盖以前的值，因此无法进行比较。如果你能帮忙，我非常感谢你

您可以尝试以下类似的方法：

columnsMA = ['Time:','Fast MA:', 'Slow MA:']

#Initiate results
results=pd.DataFrame([[datetime.datetime.now(),fastMA,slowMA]],columns=columnsMA)
                print(results)

#Append to results (say every minute)
dfTemp=pd.DataFrame([[datetime.datetime.now(),fastMA,slowMA]],columns=columnsMA)
results=results.append(dfTemp,ignore_index=True)
print(results)

#Append to results (say every minute)
dfTemp=pd.DataFrame([[datetime.datetime.now(),fastMA,slowMA]],columns=columnsMA)
results=results.append(dfTemp,ignore_index=True)
print(results)

    ... keep appending to the dataframe ....

还有一个concat函数，您可以进一步研究它

我想，如果你只想在内存中保留2分钟的数据，而不是完整的历史记录，你可以从尾部和新的计算结果构建一个数据框。

shift方法可能会有所帮助。例如，df['a'].shift将是一个长度相同的新序列，但每行下移一次，因此可以说df['a']+df['a']。shift将是当前值和以前值的总和。