行情软件里习惯了通达信的简介，虽然很多时候还是要依赖大智慧，但平时看图形基本都是用通达信。因此在有时候做数据分析的时候，不可避免的需要再次的实现一些指标功能，所以在Python里整理了一下，写了部分的指标工具。

# 威廉指标def williams(df, n, column='williams'):# 100*(10日内最高价的最高值-收盘价)/(10日内最高价的最高值-10日内最低价的最低值)for i in range(len(df)):if i < n-1: continuedf.ix[i, column] = 100 * (df.high.values[i-n+1:i+1].max()-df.close.values[i])/(df.high.values[i-n+1:i+1].max()-df.low.values[i-n+1:i+1].min())return df# 布林指标def bollinger(df,n):for i in range(len(df)):if i < n-1: continuedf.ix[i, 'BOLL'] = df.close.values[i-n+1:i+1].mean()df.ix[i, 'UB'] = df.ix[i, 'BOLL'] + 2 * numpy.std(df.close.values[i-n+1:i+1], ddof=1)df.ix[i, 'LB'] = df.ix[i, 'BOLL'] - 2 * numpy.std(df.close.values[i-n+1:i+1], ddof=1)return df# 轨道线def ene(df,n,m1,m2):for i in range(len(df)):if i < n-1: continuedf.ix[i, 'UPPER'] = (1+m1/100)*df.close.values[i-n+1:i+1].mean()df.ix[i, 'LOWER'] = (1-m2/100)*df.close.values[i-n+1:i+1].mean()df.ix[i, 'ENE'] = (df.ix[i, 'UPPER'] + df.ix[i, 'LOWER'])/2return dfdef kdj(df,n,m1,m2):for i in range(len(df)):if i < n-1: continuedf.ix[i, 'rsv'] = (df.close.values[i]-df.low.values[i-n+1:i+1].min()) / (df.high.values[i-n+1:i+1].max()-df.low.values[i-n+1:i+1].min())*100df = getSMA(df,m1,1,'rsv','K')df = getSMA(df,m2,1,'K','D')for i in range(len(df)):df.ix[i, 'J'] = 3*df.K.values[i] - 2*df.D.values[i]return df

所有数据都是Dataframe类型，以时间为Index顺序排列。关于getSMA这个函数可以在本博另一帖子《

行情软件里的平均函数以及Python的实现》中可以找到。