拼音相关(source_a，source_b，长度) ->到python

Question

我需要帮助将松树相关函数转换为python，我已经翻译了stdev和swma函数，但是这个函数对我来说有点混乱。

我也找到了这个解释，但不太明白如何实现它：

在python中尝试使用pandas和.rolling(window).corr，其中window是相关系数周期，pandas允许使用rolling()计算任何滚动统计数据。松树的相关系数用：sma(y*x,length) - sma(y,length)*sma(x,length)除以stdev(length*y,length)*stdev(length*x,length)，其中stdev是基于天真算法的。

此功能的松木文档：

> Correlation coefficient. Describes the degree to which two series tend
> to deviate from their sma values. correlation(source_a, source_b,
> length) → series[float] RETURNS Correlation coefficient.

论辩

source_a (系列)源系列。

source_b (系列)目标系列。

length (整数)长度(条数回来)。

Answer 1

使用熊猫确实是最好的选择，TA-Lib也有一个CORREL功能.为了让您更好地了解correlation函数是如何在松树中实现的，这里是一个使用numpy的python代码，请注意，这不是一个有效的解决方案。

import numpy as np
from matplotlib import pyplot as plt

def sma(src,m):
    coef = np.ones(m)/m
    return np.convolve(src,coef,mode="valid")

def stdev(src,m):
    a = sma(src*src,m)
    b = np.power(sma(src,m),2)
    return np.sqrt(a-b)

def correlation(x,y,m):
    cov = sma(x*y,m) - sma(x,m)*sma(y,m)
    den = stdev(x,m)*stdev(y,m)
    return cov/den

ts = np.random.normal(size=500).cumsum()
n = np.linspace(0,1,len(ts))
cor = correlation(ts,n,14)

plt.subplot(2,1,1)
plt.plot(ts)
plt.subplot(2,1,2)
plt.plot(cor)
plt.show()