如何利用Python实现滑动窗口计算以分析股票市场的移动平均线？-图灵python

pandas.DataFrame.rolling 为时间序列设计，自动处理索引对齐、缺失值和边界行为，是滑动窗口最安全的计算方法，默认按顺序滑动，window=20 表示 20 交易日，需要 resample 按自然日计算填充；min_periods=1 当数据不足时，可以返回部分平均值；rolling().mean() 快速稳定，必须使用复杂的逻辑 rolling().apply()，但不支持 min_periods 而且性能低。

计算滑动窗 pandas.DataFrame.rolling 最直接

直接调用 rolling 这是最安全的方法，专门为时间序列设计，自动处理索引对齐、缺失值和边界行为。不要自己写 for 循环或用 numpy.convolve 手动实现-容易错位，不兼容 NaN、原始时间戳不能保留。

rolling 默认情况下，如果数据已按日期上升顺序排列（df.index 是 DatetimeIndex），结果自然对齐
窗口大小用 window=20 表示 20 交易日不是日历日；如果需要自然日(如 20 必须先用日历日) resample('D').first() 填充再计算
遇到停牌或缺价时，min_periods=1 可使窗户不足 20 条数据仍返回部分平均值，否则返回 NaN）

rolling().mean() 和 rolling().apply() 的关键区别

rolling().mean() 快速稳定，适用于标准移动平均；但是，如果需要计算加权平均、中位数或自定义逻辑（如排除最高和最低平均值），则必须使用 rolling().apply()，但要注意性能和边界。

apply 默认传入 Series，函数不能依赖全局变量或外部变量 DataFrame —— 否则，多进程或 chunk 情况下会出错
例如计算「去极值后的 20 日均值」：lambda x: x.clip(lower=x.quantile(0.1), upper=x.quantile(0.9)).mean()，但每次都要重算分位数，慢；建议在使用之前预计计算阈值 rolling().agg()
apply 不支持 min_periods 参数需要在函数中手动判断 len(x) 并返回 <code>np.nan

常见错误：收盘价直接没有排序 rolling

从接口拉下股票数据往往是倒序(最新在前)，而 rolling 按索引顺序滑动。如果没有排序，20 日均线实际上是“未来” 20 天”的平均值完全逆转。

Python 3.14.2

Python 3.14.2是Python编程语言于2025年12月5日发布的稳定版本，属于3.14系列的第二次维护更新。该版本包含18个修复项目，重点解决多过程、数据和正则表达模块的回归问题，修复CVE-2025-12084等安全漏洞。这个版本标志着Python发展的一个重要里程碑，即自由线程模式(删除GIL)正式得到官方支持。

下载

检查顺序：df.index.is_monotonic_increasing，不满意就先执行 df = df.sort_index()
更安全的方法：无论原始顺序如何，统一使用 df.sort_values('date').set_index('date') 构建索引
一些市场界面(例如 akshare）返回的 DataFrame 默认无索引，必须设置显式设置 set_index('date')，否则 rolling 按整数位置滑动，与日期无关

MA5/MA10/MA20 同时计算不要重复调用 rolling

连续三次 df['close'].rolling(5).mean()、.rolling(10).mean()、.rolling(20).mean() 三次独立窗口扫描会触发，IO 和 CPU 浪费明显。

立即学习“Python免费学习笔记(深入)；

用 agg 一次完成：df['close'].rolling(20).agg(['mean', lambda x: x.rolling(10).mean().iloc[-1], lambda x: x.rolling(5).mean().iloc[-1]]) —— 但嵌套 rolling 不推荐
正确做法：分别定义三个窗口，但重用同一列：df[MA5] = df['close'].rolling(5).mean()、df[MA10] = df['close'].rolling(10).mean()，底层 pandas 多次优化单列 rolling
若要批量生成，用字典推导：{f'MA{n}': df['close'].rolling(n).mean() for n in [5, 10, 20]}，再 pd.concat(..., axis=1)

时间序列对齐和窗口方向比公式本身更容易出错。特别是当数据与非交易日、复权调整或分钟高频数据混合时，rolling 默认行为可能不符合商业语义——你必须看清楚「到今天为止 N 天均值」，还是「包括今天 N 天中心均值」，后者得用 center=True。