首页import pandas as pdimport yfinance as yf# 下载甲醇的历史价格数据df = yf.download("METHANOL-EUR", period="1d", interval="15m")# 计算15分钟简单移动平均线df['SMA'] = df['Close'].rolling(window=15).mean()# 打印最新的价格和移动平均线print(df.tail(1)[['Close', 'SMA']])优化成同花顺期货可以使用的代码

import pandas as pdimport yfinance as yf# 下载甲醇的历史价格数据df = yf.download("METHANOL-EUR", period="1d", interval="15m")# 计算15分钟简单移动平均线df['SMA'] = df['Close'].rolling(window=15).mean()# 打印最新的价格和移动平均线print(df.tail(1)[['Close', 'SMA']])优化成同花顺期货可以使用的代码

时间: 2023-07-15 12:13:52 浏览: 235

python数据分析与可视化 import pandas as pd import numpy as np import m

python数据分析与可视化 python数据分析与可视化 import pandas as pd import numpy as np import matplotlib.pyplot as plt # 创建示例数据 data = pd.DataFrame({ 'A': np.random.randn(1000), 'B': np.random.randn(1000), 'C': np.random.randn(1000), }) # 计算每列的平均值 data_mean = data.mean() # 绘制直方图 data['A'].plot(kind='hist', bins=30, color='lightblue', edgecolor='black') # 设置标题和标签 plt.title('Histogram of A') plt.xlabel('Value') plt.ylabel('Frequency') # 显示图形 plt.show() 这段代码首先导入了必要的Python库，并创建了一个包含随机数的DataFram

import pandas as pd import requests # 下载甲醇的历史价格数据 url = "http://stock2.finance.sina.com.cn/futures/api/json.php/IndexService.getInnerFuturesMiniKLine15m?symbol=ME&_=1626368588770" response = requests.get(url) data = response.json() df = pd.DataFrame(data) df.columns = ['timestamp', 'open', 'high', 'low', 'close', 'volume'] # 将时间戳转换为日期时间格式 df['timestamp'] = pd.to_datetime(df['timestamp'], unit='s') # 计算15分钟简单移动平均线 df['SMA'] = df['close'].rolling(window=15).mean() # 打印最新的价格和移动平均线 print(df.tail(1)[['close', 'SMA']])

阅读全文