如何为pandas DataFrame计算Exponential moving average并生成新列

pandas内置了ewm()（指数加权移动）方法，可以直接用来计算指数移动平均，无需引入额外第三方库。

核心实现逻辑 #

ewm()方法适配金融EMA计算场景的核心参数设置如下：

• 用span参数指定EMA的计算周期，和你之前SMA的window参数逻辑一致
• 金融场景通用的EMA计算规则需要设置adjust=False，此时平滑系数α=2/(span+1)，符合绝大多数行情软件的EMA计算标准
• min_periods参数和rolling()中的同名参数作用一致，设置为1时，即使序列长度不足窗口长度也会从第一个有效值开始计算

完整修改后的代码 #

import pandas as pd
import datetime as dt
import yfinance as yf

# 获取初始参数
start = dt.date(2020,1,1)
end = dt.date.today()
ticker = 'SPY'

# 下载行情数据
df = yf.download(ticker,start,end,progress=False)

# 计算75周期简单移动平均
df['SMA'] = df['Adj Close'].rolling(window=75,min_periods=1).mean()

# 计算75周期指数移动平均，和SMA窗口长度保持一致
df['EMA'] = df['Adj Close'].ewm(span=75, adjust=False, min_periods=1).mean()

# 如需计算其他常用周期EMA，比如12、26周期（MACD指标常用参数），可直接新增对应列
df['EMA12'] = df['Adj Close'].ewm(span=12, adjust=False, min_periods=1).mean()
df['EMA26'] = df['Adj Close'].ewm(span=26, adjust=False, min_periods=1).mean()

补充说明 #

如果需要自定义平滑系数，可以直接替换span参数为alpha参数手动指定数值，比如alpha=0.05，即可按照自定义的平滑系数计算EMA。

内容的提问来源于stack exchange，提问作者Faiz