talib|talib 中文文档（四）（talib 抽象API） talib中文文档（四）：talib抽象

原文地址： TA-LIB document
翻译地址：https://github.com/HuaRongSAO/talib-document
抽象API快速开始如果您已经熟悉使用函数API，那么您就应该在精通使用抽象API。
每个函数有相同的输入，作为一个字典通过NumPy数组：

import numpy as np #请注意，所有的ndarrays必须是相同的长度！ inputs = { 'open': np.random.random(100), 'high': np.random.random(100), 'low': np.random.random(100), 'close': np.random.random(100), 'volume': np.random.random(100) }

函数可以直接导入，也可以用名称实例化：

from talib import abstract sma = abstract.SMA sma = abstract.Function('sma')

调用函数基本上与函数API相同：

from talib.abstract import * output = SMA(input_arrays, timeperiod=25) # calculate on close prices by default output = SMA(input_arrays, timeperiod=25, price='open') # calculate on opens upper, middle, lower = BBANDS(input_arrays, 20, 2, 2) slowk, slowd = STOCH(input_arrays, 5, 3, 0, 3, 0) # uses high, low, close by default slowk, slowd = STOCH(input_arrays, 5, 3, 0, 3, 0, prices=['high', 'low', 'open'])

高级用法 For more advanced use cases of TA-Lib, the Abstract API also offers much more
flexibility. You can even subclass abstract.Function and override
set_input_arrays to customize the type of input data Function accepts
(e.g. a pandas DataFrame).
对于更高级的TA库用例，抽象API也提供了更大的灵活性。
你甚至可以子类abstract.Function和覆盖set_input_arrays自定义类型的输入数据的函数接受
(e.g. a pandas DataFrame).
Details about every function can be accessed via the info property:
有关每个功能的详细信息可以通过信息属性访问：

print Function('stoch').info { 'name': 'STOCH', 'display_name': 'Stochastic', 'group': 'Momentum Indicators', 'input_names': OrderedDict([ ('prices', ['high', 'low', 'close']), ]), 'parameters': OrderedDict([ ('fastk_period', 5), ('slowk_period', 3), ('slowk_matype', 0), ('slowd_period', 3), ('slowd_matype', 0), ]), 'output_names': ['slowk', 'slowd'], }

【talib|talib 中文文档（四）（talib 抽象API）】或者是可读的格式：

help(STOCH) str(STOCH)

其他有用属性 Function:

Function('x').function_flags Function('x').input_names Function('x').input_arrays Function('x').parameters Function('x').lookback Function('x').output_names Function('x').output_flags Function('x').outputs

Aside from calling the function directly, Functions maintain state and will
remember their parameters/input_arrays after they've been set. You can set
parameters and recalculate with new input data using run():
除了直接调用函数，函数还可以保持状态，已经记住他们的参数/数组
你可以设置参数，重新计算使用run()新输入数据

SMA.parameters = {'timeperiod': 15} result1 = SMA.run(input_arrays1) result2 = SMA.run(input_arrays2)# Or set input_arrays and change the parameters: SMA.input_arrays = input_arrays1 ma10 = SMA(timeperiod=10) ma20 = SMA(20)

欲了解更多详情，请看 code.