趋势转变

TrendShift 是一个类似构建器的库，它将一些趋势聚合附加到给定的 pandas DataFrame 上。

在下图中，右侧数值的蓝线绘制了几个小时内的欧元/美元价格，左侧数值的红线绘制了每个价格变动之间的差异，即趋势。

安装

pip install trendshift

用法

以下示例实现为“target_column”列中的数据框构建所有可用的 TrendShift 功能。

my_new_df: DataFrame = = TrendShift(input_dataframe, "target_column")\
    .with_sum()\
    .with_numbered_steps()\
    .with_simple_moving_avg()\
    .with_steps_by_trend()\
    .with_difference_by_trend()\
    .with_trend_countdown()\
    .build()

上面示例“input_dataframe.target_column”的片段将输出以下数据集。“target_column”值是原始值。

主界面src/trendshift/trendshift.py中的更多信息

概念

趋势

趋势是在增量或至少连续系列数据集中发现的模式，例如时间序列，它描述了数据是向上还是向下移动。

转移

Shift是输入序列数据集中的一组状态，仅在一个方向上，向上或向下。当下一个值的趋势与当前值不同时，当前的Shift结束，下一个Shift开始于下一个值。

步

Step是向上或向下Shift期间数据集系列中的一个状态。输入数据帧的一个步骤是Shift中的一行。

特征

TrendShift 在目标列上应用一些累积计算。它将每个计算的列作为结果附加到原始 DataFrame。

和

Shift中每个Step的累积和。

编号步骤

每个Shift的累积步数。

SMA

简单移动平均线是Shift中所有Step之间差异的平均值。

趋势差异

Shift中第一个Step和最后一个Step之间的总差异。此值仅放置在第一个步骤中。

趋势步骤

Shift中的Step总数。此值仅放置在第一个步骤中 。

趋势倒计时

在Shift中反转倒置的累积步数。

剩余趋势差异

任何趋势步骤与趋势结束时的步骤之间的差异。

测试

测试是这个项目的重要组成部分。我的开发方法是 BDD，我从tests/features开发了整个项目。

在那里，您可以找到有关该项目的任何服务或实体的最具体的文档。

如果您不仅是该库的用户，而且是想要调整或维护此代码的开发人员，那么您应该遵循相同的方式，BDD。

包https://behave.readthedocs.io/是您必须安装的开发依赖项。

pip install behave

通过以下命令执行测试：

behave tests/features

作者

Jaume Mila Bea jaume@westial.com