Python 熊猫'；EMA与股票不匹配'；艾玛？

我试图使用Python（带熊猫）计算英特尔（INTC）每日股票数据的20天指数移动平均值（EMA）。Pandas有很多方法可以做到这一点，我也尝试过stockstats，它在Pandas上运行，但它们不会返回与我从股票/金融网站获得的相同的EMA

我仔细检查了收盘价，它们是匹配的，但均线总是“错”

这是我正在使用的CSV：

它包含从2016年4月20日到2018年2月1日的英特尔股票（股票代码：INTC）的每日日期、月份名称、开盘、高点、低点、收盘、日平均值和成交量

当我看到像或这样的大型股票网站时，它们的数字与我的不匹配。他们彼此匹配，但我不匹配

例如

df2['Close'].ewm(span=20,min_periods=0,adjust=False,ignore_na=False).mean()

或者

或者

请给我2018年2月1日的均线指数，比如44.71美元、47.65美元、46.15美元等，而任何金融网站的实际20天均线指数为45.65美元。无论我在哪一天计算均线，我都得到了错误的数字。当我尝试5天均线时，这甚至是错误的

我已经阅读、观看并关注了有关该主题的教程，但它们的结果也与任何金融网站上已被接受/发布的EMA不符。制作教程和视频的人根本就不会在Panda计算完数字后互相核对。我需要我的号码来匹配

---

我怎样才能得出互联网上其他所有金融网站对EMAs的相同数据？我认为这与调整后的收盘价无关，因为我使用的是旧的/已结算的数据，我的收盘价和日期与它们相同。

对数据框进行排序，使日期按递增顺序排列。 由于数据是按日期递减的，如果不先对日期进行排序，则

ewm

计算会以指数方式将最早的日期加权，而不是最晚的日期（应该如此）

屈服

                  ewm  backward_ewm
Date                               
2018-01-26  45.370936     48.205638
2018-01-29  45.809895     48.008337
2018-01-30  46.093714     47.800794
2018-01-31  46.288599     47.696667
2018-02-01  46.418256     47.650000

这与2018-02-01的EWMA（20）为46.42的说法一致

我建议使用python计算技术指标。我发现它比熊猫带来的更准确，有更多的指标

使用TA计算20周期指数移动平均值，如下所示：

import pandas_ta as ta

data["EMA20"] = ta.ema(df2["Close"], length=20)

---

你试过ewma吗？@BUZZY不赞成使用ewm，但我试过了，没有更好的效果。你是个该死的巫师：）这很有魅力，非常感谢！我还在学熊猫（我相信你已经猜到了）。干杯

import pandas as pd

df = pd.read_csv('intc_data.txt', parse_dates=['Date'], index_col=['Date'])
df['backward_ewm'] = df['Close'].ewm(span=20,min_periods=0,adjust=False,ignore_na=False).mean()
df = df.sort_index()
df['ewm'] = df['Close'].ewm(span=20,min_periods=0,adjust=False,ignore_na=False).mean()
print(df[['ewm', 'backward_ewm']].tail())

                  ewm  backward_ewm
Date                               
2018-01-26  45.370936     48.205638
2018-01-29  45.809895     48.008337
2018-01-30  46.093714     47.800794
2018-01-31  46.288599     47.696667
2018-02-01  46.418256     47.650000

import pandas_ta as ta

data["EMA20"] = ta.ema(df2["Close"], length=20)