2021-01-14 17:08发布
错误提示:AttributeError: module 'backtrader.talib' has no attribute 'STDDEV'语句:def __ini... 显示全部
错误提示:AttributeError: module 'backtrader.talib' has no attribute 'STDDEV'
语句:
def __init__(self): self.lines.std=bt.talib.STDDEV(self.datas[0].close,timeperiod=10,nbdev=2.0)
请问该如何处理啊?
talib安装了没,同opencv安装方式一样。(和普通库安装是有差别的)
#-*-coding:utf-8-*-
"""
CreatedonThuApr1211:23:462018
@author:henbile
#计算滚动波动率可以使用专门做技术分析的talib包里面的函数,也可以使用pandas包里面的滚动函数。
#但是两个函数对于分母的选择,就是使用N还是N-1作为分母这件事情上是有分歧的。
#另一个差异在于:talib包计算基于numpy,而pd.rolling是基于Series或者DataFrame的。
importpandasaspd
importnumpyasnp
importtalibastb
a=tb.VAR(closeFull[:,0],timeperiod=12,nbdev=1)
b=tb.VAR(closeFull[:,0],timeperiod=12,nbdev=0)
#我以为nbdev是涉及分母的数量,发现其实不是。nbdev=-1也没有改变。
c=pd.Series(closeFull[:,0]).rolling(window=12,center=False).var()
#tb基于np数据,pd基于pd包的两个类型的数据。
d=pd.rolling_var(pd.Series(closeFull[:,0]),window=12,min_periods=None,freq=None,center=False,how=None)
#__main__:1:FutureWarning:pd.rolling_varisdeprecatedforSeriesandwillberemovedinafutureversion,replacewith
#Series.rolling(window=12,center=False).var()
#以前的公式是d,现在运行d会报错,所以改正成c的形式。
closeFull[0:12,0].var(ddof=1)
#Out[28]:0.30576590909090895
#ddof参数的意义:分母是N-ddof
closeFull[0:12,0].var(ddof=0)
#Out[29]:0.28028541666666656
#因为window是12,所以选第11个print
print(a[11],b[11],c[11],d[11])
#0.280285416666671950.280285416666671950.30576590909090860.3057659090909086
#计算都是var的计算,大胆的推测std的计算也是适用的。
#talib包的std运算的公式是tb.STDDEV
#pd.rolling就是var换成std
#谨慎起见,还是计算一下,看一看。
#最后发现大胆的推测是正确的。
e=tb.STDDEV(closeFull[:,0],timeperiod=fastPeriod,nbdev=1)
f=pd.Series(closeFull[:,0]).rolling(window=fastPeriod,center=False).std()
closeFull[0:12,0].std(ddof=1)
#Out[45]:0.5529610375884624
closeFull[0:12,0].std(ddof=0)
#Out[46]:0.5294198869202653
print(e[11],f[11])
#0.52941988692027040.5529610375884622
换行。比如,print hello\nworld效果就是helloworld\n就是一个换行符。\是转义的意思,'\n'是换行,'\t'是tab,'\\'是,\ 是在编写程序中句子太长百,人为换行后加上\但print出来是一整行。...
十种常见排序算法一般分为以下几种:(1)非线性时间比较类排序:a. 交换类排序(快速排序、冒泡排序)b. 插入类排序(简单插入排序、希尔排序)c. 选择类排序(简单选择排序、堆排序)d. 归并排序(二路归并排序、多路归并排序)(2)线性时间非比较类排序:...
前景很好,中国正在产业升级,工业机器人和人工智能方面都会是强烈的热点,而且正好是在3~5年以后的时间。难度,肯定高,要求你有创新的思维能力,高数中的微积分、数列等等必须得非常好,软件编程(基础的应用最广泛的语言:C/C++)必须得很好,微电子(数字电...
迭代器与生成器的区别:(1)生成器:生成器本质上就是一个函数,它记住了上一次返回时在函数体中的位置。对生成器函数的第二次(或第n次)调用,跳转到函数上一次挂起的位置。而且记录了程序执行的上下文。生成器不仅记住了它的数据状态,生成器还记住了程序...
python中title( )属于python中字符串函数,返回’标题化‘的字符串,就是单词的开头为大写,其余为小写
第一种解释:代码中的cnt是count的简称,一种电脑计算机内部的数学函数的名字,在Excel办公软件中计算参数列表中的数字项的个数;在数据库( sq| server或者access )中可以用来统计符合条件的数据条数。函数COUNT在计数时,将把数值型的数字计算进去;但是...
head是方法,所以需要取小括号,即dataset.head()显示的则是前5行。data[:, :-1]和data[:, -1]。另外,如果想通过位置取数据,请使用iloc,即dataset.iloc[:, :-1]和dataset.iloc[:, -1],前者表示的是取所有行,但不包括最后一列的数据,结果是个DataFrame。...
挺简单的,其实课程内容没有我们想象的那么难、像我之前同学,完全零基础,培训了半年,直接出来就工作了,人家还在北京大公司上班,一个月15k,实力老厉害了
Python针对众多的类型,提供了众多的内建函数来处理(内建是相对于导入import来说的,后面学习到包package时,将会介绍),这些内建函数功用在于其往往可对多种类型对象进行类似的操作,即多种类型对象的共有的操作;如果某种操作只对特殊的某一类对象可行,Pyt...
相当于 ... 这里不是注释
还有FIXME
python的两个库:xlrd和xlutils。 xlrd打开excel,但是打开的excel并不能直接写入数据,需要用xlutils主要是复制一份出来,实现后续的写入功能。
单行注释:Python中的单行注释一般是以#开头的,#右边的文字都会被当做解释说明的内容,不会被当做执行的程序。为了保证代码的可读性,一般会在#后面加一两个空格然后在编写解释内容。示例:# 单行注释print(hello world)注释可以放在代码上面也可以放在代...
主要是按行读取,然后就是写出判断逻辑来勘测行是否为注视行,空行,编码行其他的:import linecachefile=open('3_2.txt','r')linecount=len(file.readlines())linecache.getline('3_2.txt',linecount)这样做的过程中发现一个问题,...
或许是里面有没被注释的代码
自学的话要看个人情况,可以先在B站找一下视频看一下
最多设置5个标签!
talib安装了没,同opencv安装方式一样。(和普通库安装是有差别的)
#-*-coding:utf-8-*-
"""
CreatedonThuApr1211:23:462018
@author:henbile
"""
#计算滚动波动率可以使用专门做技术分析的talib包里面的函数,也可以使用pandas包里面的滚动函数。
#但是两个函数对于分母的选择,就是使用N还是N-1作为分母这件事情上是有分歧的。
#另一个差异在于:talib包计算基于numpy,而pd.rolling是基于Series或者DataFrame的。
importpandasaspd
importnumpyasnp
importtalibastb
a=tb.VAR(closeFull[:,0],timeperiod=12,nbdev=1)
b=tb.VAR(closeFull[:,0],timeperiod=12,nbdev=0)
#我以为nbdev是涉及分母的数量,发现其实不是。nbdev=-1也没有改变。
c=pd.Series(closeFull[:,0]).rolling(window=12,center=False).var()
#tb基于np数据,pd基于pd包的两个类型的数据。
d=pd.rolling_var(pd.Series(closeFull[:,0]),window=12,min_periods=None,freq=None,center=False,how=None)
#__main__:1:FutureWarning:pd.rolling_varisdeprecatedforSeriesandwillberemovedinafutureversion,replacewith
#Series.rolling(window=12,center=False).var()
#以前的公式是d,现在运行d会报错,所以改正成c的形式。
closeFull[0:12,0].var(ddof=1)
#Out[28]:0.30576590909090895
#ddof参数的意义:分母是N-ddof
closeFull[0:12,0].var(ddof=0)
#Out[29]:0.28028541666666656
#因为window是12,所以选第11个print
print(a[11],b[11],c[11],d[11])
#0.280285416666671950.280285416666671950.30576590909090860.3057659090909086
#计算都是var的计算,大胆的推测std的计算也是适用的。
#talib包的std运算的公式是tb.STDDEV
#pd.rolling就是var换成std
#谨慎起见,还是计算一下,看一看。
#最后发现大胆的推测是正确的。
e=tb.STDDEV(closeFull[:,0],timeperiod=fastPeriod,nbdev=1)
f=pd.Series(closeFull[:,0]).rolling(window=fastPeriod,center=False).std()
closeFull[0:12,0].std(ddof=1)
#Out[45]:0.5529610375884624
closeFull[0:12,0].std(ddof=0)
#Out[46]:0.5294198869202653
print(e[11],f[11])
#0.52941988692027040.5529610375884622
#-*-coding:utf-8-*-
"""
CreatedonThuApr1211:23:462018
@author:henbile
"""
#计算滚动波动率可以使用专门做技术分析的talib包里面的函数,也可以使用pandas包里面的滚动函数。
#但是两个函数对于分母的选择,就是使用N还是N-1作为分母这件事情上是有分歧的。
#另一个差异在于:talib包计算基于numpy,而pd.rolling是基于Series或者DataFrame的。
importpandasaspd
importnumpyasnp
importtalibastb
a=tb.VAR(closeFull[:,0],timeperiod=12,nbdev=1)
b=tb.VAR(closeFull[:,0],timeperiod=12,nbdev=0)
#我以为nbdev是涉及分母的数量,发现其实不是。nbdev=-1也没有改变。
c=pd.Series(closeFull[:,0]).rolling(window=12,center=False).var()
#tb基于np数据,pd基于pd包的两个类型的数据。
d=pd.rolling_var(pd.Series(closeFull[:,0]),window=12,min_periods=None,freq=None,center=False,how=None)
#__main__:1:FutureWarning:pd.rolling_varisdeprecatedforSeriesandwillberemovedinafutureversion,replacewith
#Series.rolling(window=12,center=False).var()
#以前的公式是d,现在运行d会报错,所以改正成c的形式。
closeFull[0:12,0].var(ddof=1)
#Out[28]:0.30576590909090895
#ddof参数的意义:分母是N-ddof
closeFull[0:12,0].var(ddof=0)
#Out[29]:0.28028541666666656
#因为window是12,所以选第11个print
print(a[11],b[11],c[11],d[11])
#0.280285416666671950.280285416666671950.30576590909090860.3057659090909086
#计算都是var的计算,大胆的推测std的计算也是适用的。
#talib包的std运算的公式是tb.STDDEV
#pd.rolling就是var换成std
#谨慎起见,还是计算一下,看一看。
#最后发现大胆的推测是正确的。
e=tb.STDDEV(closeFull[:,0],timeperiod=fastPeriod,nbdev=1)
f=pd.Series(closeFull[:,0]).rolling(window=fastPeriod,center=False).std()
closeFull[0:12,0].std(ddof=1)
#Out[45]:0.5529610375884624
closeFull[0:12,0].std(ddof=0)
#Out[46]:0.5294198869202653
print(e[11],f[11])
#0.52941988692027040.5529610375884622
相关问题推荐
换行。比如,print hello\nworld效果就是helloworld\n就是一个换行符。\是转义的意思,'\n'是换行,'\t'是tab,'\\'是,\ 是在编写程序中句子太长百,人为换行后加上\但print出来是一整行。...
十种常见排序算法一般分为以下几种:(1)非线性时间比较类排序:a. 交换类排序(快速排序、冒泡排序)b. 插入类排序(简单插入排序、希尔排序)c. 选择类排序(简单选择排序、堆排序)d. 归并排序(二路归并排序、多路归并排序)(2)线性时间非比较类排序:...
前景很好,中国正在产业升级,工业机器人和人工智能方面都会是强烈的热点,而且正好是在3~5年以后的时间。难度,肯定高,要求你有创新的思维能力,高数中的微积分、数列等等必须得非常好,软件编程(基础的应用最广泛的语言:C/C++)必须得很好,微电子(数字电...
迭代器与生成器的区别:(1)生成器:生成器本质上就是一个函数,它记住了上一次返回时在函数体中的位置。对生成器函数的第二次(或第n次)调用,跳转到函数上一次挂起的位置。而且记录了程序执行的上下文。生成器不仅记住了它的数据状态,生成器还记住了程序...
python中title( )属于python中字符串函数,返回’标题化‘的字符串,就是单词的开头为大写,其余为小写
第一种解释:代码中的cnt是count的简称,一种电脑计算机内部的数学函数的名字,在Excel办公软件中计算参数列表中的数字项的个数;在数据库( sq| server或者access )中可以用来统计符合条件的数据条数。函数COUNT在计数时,将把数值型的数字计算进去;但是...
head是方法,所以需要取小括号,即dataset.head()显示的则是前5行。data[:, :-1]和data[:, -1]。另外,如果想通过位置取数据,请使用iloc,即dataset.iloc[:, :-1]和dataset.iloc[:, -1],前者表示的是取所有行,但不包括最后一列的数据,结果是个DataFrame。...
挺简单的,其实课程内容没有我们想象的那么难、像我之前同学,完全零基础,培训了半年,直接出来就工作了,人家还在北京大公司上班,一个月15k,实力老厉害了
Python针对众多的类型,提供了众多的内建函数来处理(内建是相对于导入import来说的,后面学习到包package时,将会介绍),这些内建函数功用在于其往往可对多种类型对象进行类似的操作,即多种类型对象的共有的操作;如果某种操作只对特殊的某一类对象可行,Pyt...
相当于 ... 这里不是注释
还有FIXME
python的两个库:xlrd和xlutils。 xlrd打开excel,但是打开的excel并不能直接写入数据,需要用xlutils主要是复制一份出来,实现后续的写入功能。
单行注释:Python中的单行注释一般是以#开头的,#右边的文字都会被当做解释说明的内容,不会被当做执行的程序。为了保证代码的可读性,一般会在#后面加一两个空格然后在编写解释内容。示例:# 单行注释print(hello world)注释可以放在代码上面也可以放在代...
主要是按行读取,然后就是写出判断逻辑来勘测行是否为注视行,空行,编码行其他的:import linecachefile=open('3_2.txt','r')linecount=len(file.readlines())linecache.getline('3_2.txt',linecount)这样做的过程中发现一个问题,...
或许是里面有没被注释的代码
自学的话要看个人情况,可以先在B站找一下视频看一下