Python使用Pandas处理DataFrame浮点数时移动均线交叉检测异常

问题根因 #

1. 语法错误：你写的intersections函数return语句缩进错误，放在了for循环内部，循环仅执行一次就直接返回空列表，这是输出全为空的直接诱因。
2. 逻辑错误：均线交叉的本质是相邻时间点两条均线的大小关系发生反转，而非两个序列中存在完全相等的数值，你当前找两个列表公共值的逻辑和均线交叉的业务定义完全不符。
3. 精度问题：float64类型存在极小的存储精度误差，即使理论上数值相等，实际存储的二进制值也可能存在1e-8级别的差异，直接用==判断永远匹配不到对应值。

优化实现方案 #

不需要手动转float32/float16丢失精度，也不需要遍历列表，用pandas向量化操作+精度阈值控制即可解决问题：

import pandas as pd
import numpy as np

def find_ma_cross(ma_short: pd.Series, ma_long: pd.Series, threshold: float = 1e-4) -> pd.Series:
    """
    检测两条均线的交叉点，返回布尔序列，True对应交叉发生的时间点
    threshold: 精度阈值，默认0.0001，完全满足股票场景的精度需求
    """
    # 计算上一周期和当前周期两条均线的差值
    diff_prev = ma_short.shift(1) - ma_long.shift(1)
    diff_current = ma_short - ma_long
    # 差值符号发生反转且当前差值小于阈值时判定为交叉
    cross = (np.sign(diff_prev) != np.sign(diff_current)) & (np.abs(diff_current) < threshold)
    return cross

# 读取数据时自动解析时间列
df = pd.read_csv('MA-intersections.csv', parse_dates=['Datetime'], index_col='Datetime')
# 计算两两均线交叉点
df['ma3_cross_ma6'] = find_ma_cross(df['1dma3'], df['1dma6'])
df['ma3_cross_ma9'] = find_ma_cross(df['1dma3'], df['1dma9'])
df['ma6_cross_ma9'] = find_ma_cross(df['1dma6'], df['1dma9'])
# 计算三条均线同时交叉的点
df['all_ma_cross'] = df['ma3_cross_ma6'] & df['ma3_cross_ma9'] & df['ma6_cross_ma9']

# 输出结果
print("MA3与MA6交叉点时间及数值：")
print(df[df['ma3_cross_ma6']][['1dma3', '1dma6']])
print("\nMA3与MA9交叉点时间及数值：")
print(df[df['ma3_cross_ma9']][['1dma3', '1dma9']])
print("\nMA6与MA9交叉点时间及数值：")
print(df[df['ma6_cross_ma9']][['1dma6', '1dma9']])
print("\n三条均线共同交叉点时间及数值：")
print(df[df['all_ma_cross']][['1dma3', '1dma6', '1dma9']])

方案优势 #

• 通过精度阈值控制误差，不需要截断小数位丢失精度
• 全向量化操作无需遍历列表，处理百万行级数据也不会有性能问题
• 返回结果自带对应时间点，可直接对接Plotly绘制交叉标记线

内容的提问来源于stack exchange，提问作者rickturner2001