stockstats预期的数据结构是什么？如何基于DataFrame计算MACD？

我来帮你梳理清楚stockstats对数据结构的要求，以及正确计算MACD的步骤——你遇到的问题大概率是因为列名不符合stockstats的默认识别规则。

stockstats预期的数据结构 #

stockstats的StockDataFrame默认会识别标准的金融数据列名，核心列要求如下：

• 收盘价：close（必须，MACD基于收盘价计算）
• 可选列：open（开盘价）、high（最高价）、low（最低价）、volume（成交量）

如果你的DataFrame列名不是这些标准名称，要么重命名列，要么给StockDataFrame指定列名映射关系，两种方式都可以。

针对你的DataFrame的解决步骤 #

你的DataFrame列是T（时间戳）、L（最低价）、H（最高价）、O（开盘价）、C（收盘价）、BV（成交量），我们可以按以下步骤处理：

1. 预处理原始DataFrame #

首先确保时间列是datetime格式，最好设置为索引（方便后续时间序列分析）：

import pandas as pd
from stockstats import StockDataFrame

# 对应你用json_normalize生成的df
data = [
    {"T": "2015-08-14T00:00:00", "L": 0.006667, "H": 0.080000, "O": 0.006900, "C": 0.007000, "BV": 29.545465},
    {"T": "2015-08-15T00:00:00", "L": 0.005950, "H": 0.007240, "O": 0.006740, "C": 0.006954, "BV": 20.274633},
    {"T": "2015-08-16T00:00:00", "L": 0.004120, "H": 0.006900, "O": 0.006501, "C": 0.006051, "BV": 47.971549},
    {"T": "2015-08-17T00:00:00", "L": 0.004655, "H": 0.006139, "O": 0.006139, "C": 0.004798, "BV": 30.391738}
]
df = pd.io.json.json_normalize(data)

# 转换时间列为datetime格式
df['T'] = pd.to_datetime(df['T'])
# 设置时间列为索引（可选但推荐）
df.set_index('T', inplace=True)

2. 方式一：重命名列到标准名称 #

这是最直接的方式，把你的列名映射成stockstats默认识别的名称：

# 重命名列
df.rename(columns={
    'O': 'open',
    'H': 'high',
    'L': 'low',
    'C': 'close',
    'BV': 'volume'
}, inplace=True)

# 转换为StockDataFrame
stock_df = StockDataFrame.retype(df)

3. 方式二：自定义列名映射（无需重命名） #

如果不想修改原始列名，可以在初始化StockDataFrame时指定映射关系：

stock_df = StockDataFrame(df, column_map={
    'O': 'open',
    'H': 'high',
    'L': 'low',
    'C': 'close',
    'BV': 'volume'
})

4. 计算并获取MACD数据 #

stockstats会动态生成技术指标列，当你访问macd（MACD线）、macds（信号线，默认9日EMA）、macdh（柱状图，MACD与信号线的差值）时，会自动计算：

# 获取包含收盘价和MACD的结果
macd_result = stock_df[['close', 'macd', 'macds', 'macdh']]
print(macd_result)

注意事项 #

• 确保你的数据是按时间顺序升序排列的，否则MACD计算结果会出错（你的数据看起来已经是按日期从早到晚排的，没问题）
• MACD的计算只依赖收盘价，所以即使没有开盘/最高/最低/成交量列，只要有close列就能计算，但完整的K线数据更利于后续其他指标分析

内容的提问来源于stack exchange，提问作者DenCowboy