python_寻找N字型下跌

本文主要是介绍python_寻找N字型下跌，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

写在前面：

思路拆解：

代码：

验证：

写在前面：

1 由于日线骗线多，本文寻找N字型下跌形态在周线级别操作

2 N字型下跌形态，技术辅助寻找的点：

1）左连阴 + 连阳 + 右连阴

2）连阴和连阳的K线个数要大于等于3

3）在连阴里面有一字或十字或T或倒T，可以，但不能有红

4）在连阳里面有一字或十字或T或倒T，可以，但不能有绿

思路拆解：

1 从优矿中下载前复权日数据，以“湖南投资 000548” 为例

2 从日数据中提取周数据

def m_000():columns_list = ['tradeDate', 'openPrice', 'highestPrice', 'lowestPrice', 'closePrice']pre_dir = r'E:/temp011/'file_path = pre_dir + '000548.xlsx'df = pd.read_excel(file_path,engine='openpyxl')df = df.loc[df['openPrice']>0].copy()df['o_date'] = pd.to_datetime(df['tradeDate'])week_group = df.resample('W-FRI', on='o_date')week_df = week_group.last()week_df['openPrice'] = week_group.first()['openPrice']week_df['lowestPrice'] = week_group.min()['lowestPrice']week_df['highestPrice'] = week_group.max()['highestPrice']week_df = week_df.loc[:, columns_list].copy()week_df.dropna(axis=0, how='any', subset=['closePrice'], inplace=True)week_df.to_excel(pre_dir + 'week.xlsx',engine='openpyxl')pass

3 思路

1）新增字段 row_i , 填充整型数列

2）新增字段 ext_1，标识阳线，阳线和收盘价开盘价一样的K线，记为1

3）新增字段 ext_2，标识阴线，阴线和收盘价开盘价一样的K线，记为1

4）将 ext_2 列每个数值与它的后一个数值相加，如果得数为2，说明相邻两个都为阴线

观察上图蓝色框、红色框、黄色框，都是连阴线，

ext_3 如果是 1 2 2，那这个1所在就是连阴线起始位置的前一个位置；

ext_3 如果是 2 2 1，那这个1所在就是连阴线结束位置

综上，

新增 yin_s，标识连阴线开始位置，连阴线开始位置，记为1

新增 yin_e，标识连阴线结束位置，连阴线结束位置，记为1

5）为了方便说明，增加两个临时列，yin_s0,yin_e0, yin_s0=yin_s列的累加，yin_e0=yin_e列的累加，yin_s0和yin_e0的值正好是对应出现1的次数，也就是出现第几次的序号

蓝色框是第一次出现连阴，yin_s0和yin_e0的值为1；

红色框是第二次出现连阴，yin_s0和yin_e0的值为2；

黄色框是第三次出现连阴，yin_s0和yin_e0的值为3；

综上，

yin_s和yin_e 序号一样的对应位置，正好是一个连阴的起点位置和终点位置，由此，可以获得每个连阴线的位置

6）N字型下跌，为连阴+连阳+连阴，已经找出所有连阴的位置，因此，只要校验两两连阴之间是否为连阳即可

ext_1 ==1 则为阳，那在两个连阴之间的间隔K线对应的 ext_1都为1的话，那就是连阳，对应到panda就是两个连阴之间 ext_1的累加和等于间隔数据个数，那就是连阳

代码：

# 周线N字下跌
def m_001():file_path = r'E:/temp011/week.xlsx'df = pd.read_excel(file_path,engine='openpyxl')df = df.loc[:,['tradeDate','openPrice','closePrice','highestPrice','lowestPrice']].copy()df['row_i'] = [i for i in range(len(df))]df['ext_0'] = df['closePrice']-df['openPrice']df['ext_1'] = 0 # 阳线df.loc[df['ext_0']>=0,'ext_1'] = 1df['ext_2'] = 0 # 阴线df.loc[df['ext_0']<=0,'ext_2'] = 1# 寻找连阴df['ext_3'] = df['ext_2'] + df['ext_2'].shift(-1)df['yin_s'] = 0 # 连阴开始位置df.loc[(df['ext_3']==1) & (df['ext_3'].shift(-1)==2) & (df['ext_3'].shift(-2)==2),'yin_s'] = 1df['yin_e'] = 0 # 连阴结束位置df.loc[(df['ext_3']==1) & (df['ext_3'].shift(1)==2) & (df['ext_3'].shift(2)==2),'yin_e'] = 1# temp sdf['yin_s0'] = df['yin_s'].cumsum()df['yin_e0'] = df['yin_e'].cumsum()# temp edf_s = df.loc[df['yin_s']==1].copy()df_e = df.loc[df['yin_e']==1].copy()df_s['row_i0'] = [i for i in range(len(df_s))]df_e['row_i0'] = [i for i in range(len(df_e))]df_s.reset_index(inplace=True)df_e.reset_index(inplace=True)s_max = len(df_s)-1e_max = len(df_e)-1res_list = []for i in range(len(df_e)):if (i+1)>s_max or i>e_max:breake_one = df_e.loc[df_e['row_i0']==i].copy()s_one = df_s.loc[df_s['row_i0']==(i+1)].copy()e_row = e_one.iloc[0]['row_i']s_row = s_one.iloc[0]['row_i']if s_row-e_row<4:continuedf_one = df.loc[(df['row_i']>e_row) & (df['row_i']<s_row)].copy()df_one.reset_index()df_one['sum'] = df_one['ext_1'].cumsum()if df_one.iloc[-1]['sum'] == len(df_one):# 连阳s_p = df_s.loc[df_s['row_i0']==i].iloc[0]['row_i']e_p = df_e.loc[df_e['row_i0']==(i+1)].iloc[0]['row_i']res_list.append([s_p,e_p])passpassprint(res_list)pass

结果：[[828, 842], [888, 908]]

即，有两个N字型下跌，第一个起点row_i=828,结束row_i=842;第二个起点row_i=888，结束row_i=908