前言
如何能找出价值和价格匹配，还未被热炒的低估股票？还是来识别价值和价格已然背离的虚火股票？无疑，通过股票本身指标来找是很靠谱的。但这些指标计算复杂，会让人伤脑？有没有好用的Python库搞定这一切，答案是有!以前介绍过Python的一个专门做股票指标计算的工具，Ta-lib。功能强大，但安装和使用稍微有点难。

这次，带给大家的工具不一样！是比它还好用的一个加强版工具，那就是，pandas-ta!
这个Python库，可以计算下面几十种指标，轻轻松松的！

十字星：cdl_dojiHeikin-Ashi：哈动量（27）真棒振荡器：AO绝对价格震荡指标：APO偏差：偏见力量平衡：bopBRAR：布拉尔商品渠道指数：cci重心：cg钱德动量振荡器：cmoCoppock曲线：coppock费舍尔变换：费舍尔惯性：惯性KDJ：kdjKST振荡器：kst移动平均收敛散度：MACD动量：妈妈价格震荡指标：ppo心理线：psl体积百分比振荡器：pvo变化率：roc相对强度指数：RSI相对活力指数：rvgi坡度：* 坡度随机摆动指标：STOCH特丽克丝：TRIX真实强度指数：TSI终极振荡器：uo威廉姆斯％R：威尔移动平均收敛散度（MACD）MACD示例重叠（26）双指数移动平均线：dema指数移动平均线：ema斐波那契加权移动平均线：fwma高低平均：hl2高低平均收盘价：hlc3在技​​术分析文献中通常称为“典型价格”赫尔指数移动平均线：hma一木金阁孝：一木使用：帮助（ta.ichimoku）。返回两个DataFrame。考夫曼的自适应移动平均线：kama线性回归：linreg中点：中点中价：中价开-高-低-关闭平均线：ohlc4帕斯卡的加权移动平均线：pwma威廉的移动平均线：RMA正弦加权移动平均线：sinwma简单移动平均线：sma超趋势：超趋势对称加权移动平均线：SWMAT3移动平均线：t3三重指数移动平均线：tema三角移动平均线：trima数量加权平均价格：vwap成交量加权移动平均线：vwma加权收盘价：wcp加权移动平均线：wma零滞后移动平均线：zlma简单移动平均线（SMA）和布林带（BBANDS）日志返回：log_return回报率：percent_return趋势回报：trend_return简单移动平均线（SMA）的百分比回报率（累积）累计回报百分比示例统计（9）熵：熵峰度：峰度平均绝对偏差：疯狂中位数：中位数分位数：分位数偏斜：歪斜标准偏差：stdev方差：方差Z分数：zscoreZ分数Z分数示例趋势（14）平均定向运动指数：adx弓箭手移动平均线趋势：AMATAroon和Aroon振荡器：aroon断头指数：印章缠得克罗尔停止：cksp减少：减少去趋势价格振荡器：dpo增加：增加线性衰减：linear_decay长期运行：long_run抛物线停止和反转：psarQ棒：qstick短期：short_run漩涡：漩涡平均方向运动指数（ADX）示例ADX实用程式（5）上方：上方高于价值：above_value下方：下方低于价值：below_value十字：十字波动性（11）像差：像差加速乐队：accbands平均真实射程：atr布林乐队：bbands唐契安频道：唐契安凯特纳频道：kc质量指数：massi归一化平均真实范围：natr价格距离：pdist相对波动率指数：RVI真实范围：true_range平均真实范围（ATR）ATR示例累积/分配指数：广告累积/分配振荡器：adosc射手平衡量：aobv蔡金资金流：cmf老年人力量指数：efi轻松移动：eom资金流量指数：mfi负体积指数：nvi平衡音量：obv正体积指数：pvi量价：pvol成交量趋势：pvt音量配置文件：vp平衡音量（OBV）    
     

有没有动心！马上开车！

器：AO绝对价格震荡指标：APO偏差：偏见力量

Pandas-ta简介

Pandas TA是一个易于使用的库，它建立在Python的Pandas库的基础上，具有100多个指标和实用程序功能。这些指标通常用于列或标签类似于以下内容的金融时间序列数据集：日期时间，开盘价，高价，低价，收盘价，交易量等。其中包括许多常用指标，例如：简单移动平均线（SMA），移动平均线收敛散度（MACD），船体指数移动平均线（HMA），布林线（BBANDS），动平衡量（OBV），Aroon和Aroon振荡器（AROON）等。

安装

注意，重要事说三次!一定是Python3版本下进行安装!一定是Python3版本下进行安装!一定是Python3版本下进行安装!

Installation (python 3)
$ pip install pandas_ta

最新版本安装:

$ pip install -U git+https://github.com/twopirllc/pandas-ta

快速入门

几行代码快速入门，Pandas-ta就是这么容易.

import pandas as pd
import pandas_ta as ta

# Load data
df = pd.read_csv('symbol.csv', sep=',')

#计算返回值并将其追加到df DataFrame 
df.ta.log_return(cumulative=True, append=True)
df.ta.percent_return(cumulative=True, append=True)

# New Columns with results
df.columns

# Take a peek
df.tail()

当然，在不清楚有什么指标之前，可以这样用来搞清楚指标数据。

import pandas as pd
import pandas_ta as ta

#  'ta', extension的帮助信息
help(pd.DataFrame().ta)

# 所有指标列表
pd.DataFrame().ta.indicators()

# log_return indicator的帮助信息
help(ta.log_return)

展望

善用Pandas-Ta可以做出很多强大的股票指标图。如下：

Pandas-Ta1

Pandas-Ta2

结语

本篇文章简单介绍了Python指标分析库Pandas-Ta，如果大家喜欢，请评论区打Call！评论区的热情会激励我们放出更多的Pandas-Ta的教程。