如何基于日期-ID-价格表格按ID计算30日和60日EMA？

问题分析 #

你当前的代码错误地将Date和ID一起分组，导致每个分组仅包含单条价格数据，根本无法计算30日/60日指数移动平均线（EMA）。正确逻辑是仅按ID分组，确保每个分组内是该标的按日期排序的完整价格序列，再进行EMA计算。

正确代码实现 #

如果你的DataFrame还未按时间排序，先执行排序操作（这是时间序列计算的必要前提）：

# 按ID和日期排序，保证每个标的的价格数据按时间顺序排列
df = df.sort_values(by=['ID', 'Date'])

# 计算30日、60日EMA并添加为新列
df['EMA_30'] = df.groupby('ID')['Price'].transform(lambda x: x.ewm(span=30, adjust=False).mean())
df['EMA_60'] = df.groupby('ID')['Price'].transform(lambda x: x.ewm(span=60, adjust=False).mean())

代码说明 #

• sort_values：确保每个ID下的日期按时间递增排列，避免因数据顺序混乱导致EMA计算错误。
• groupby('ID')：单独对每个标的分组，保证EMA基于该标的自身的历史价格计算，不会跨标的混淆数据。
• transform：将分组计算的EMA结果映射回原DataFrame，直接生成对应行的EMA值，无需额外拼接数据。
• ewm(span=N, adjust=False)：span指定EMA的计算周期，adjust=False采用递归式计算逻辑，符合金融领域常用的EMA算法。

示例输出（基于你的样例数据） #

内容的提问来源于stack exchange，提问作者NFT central