本篇重点

• 在SQLite的Table中，新增栏位
• 透过pandas.DataFrame.rolling计算均线
• 回写资料至SQLite中

在SQLite的Table中，新增栏位

由於之前建立的日K线资料中，并没有均线的相关栏位，所以必须要手动增加栏位。若要在现有的Table中增加栏位，可以使用DB Browser for SQLite。
开启资料库後，请先选择所要调整的Table，再按「Modify Table」

接着按「Add」按钮，输入栏位名称并选择栏位类型

这里我新增「MA5」、「MA20」、「MA5_diff」、「MA20_diff」这4个栏位，并将栏位类型设为「REAL」，用来储存下面要计算的均线结果，完成後按下「OK」

因为这里只是调整Table的结构，并没实际写入资料，所以完成後直接关闭程序即可。

透过pandas.DataFrame.rolling计算均线

接着计算均线资料，我们可以透过DataFrame.rolling
pandas.DataFrame.rolling来计算
程序范例如下：

df['MA5'] = df['Close'].rolling(window=5).mean().round(2) #依照收盘价计算均线，并取至小数点後2位
df['MA20'] = df['Close'].rolling(window=20).mean().round(2)
df['MA5_diff'] = df['MA5'].diff() #计算MA5差异
df['MA20_diff'] = df['MA20'].diff()

在第一行中，我们将Close收盘价的资料抓出来执行rolling，而rolling的window参数，就是看你要计算的均线而定；例如要计算MA5(5根K线收盘价的平均价格)，window就设为5，MA5资料计算完後，再回存至df['MA5']中。
下面的df['MA5_diff']，就是依照df['MA5']中的资料去做差异计算，也就是与前一笔MA5的价格差异，之所以增加这个栏位，是为了方便之後判断均线方向(向上或向下)使用。

计算均线资料的程序，也可以跟上一篇产生其它周期K线的程序一起执行并写入

回写资料至SQLite中

下面就以日K线资料为例，读取K线资料、计算均线资料并更新至Table中。

import pandas as pd
import sqlite3
# 更新资料用的SQL语法
UPDATE_SQL = '''UPDATE stocks_1day_kbars
                SET MA5 = ?,
                    MA20 = ?,
                    MA5_diff = ?,
                    MA20_diff = ?
                WHERE Code = ? AND ts = ?'''
conn = sqlite3.connect('D:/shioaji.db') #建立资料库连线
# conn = sqlite3.connect('C:/shioaji.db') #建立资料库连线
cursor = conn.cursor()

# 传入股票代码，产生MA均线及差异
def generate_ma_of_day_kbar(stock_code):
    print(f'calc MA for stock:{stock_code}')
    # 仅取出ts跟Close栏位资料，并将ts栏位设为DataFrame的Index
    df = pd.read_sql(f'SELECT ts, Close FROM stocks_1day_kbars WHERE Code = {stock_code}', 
        conn, index_col='ts')
    #依照收盘价计算MA5，并取至小数点後2位
    df['MA5'] = df['Close'].rolling(window=5).mean().round(2)
    df['MA20'] = df['Close'].rolling(window=20).mean().round(2)
    df['MA5_diff'] = df['MA5'].diff() #计算MA5差异
    df['MA20_diff'] = df['MA20'].diff()
    # 历遍df中的资料，并update至table中
    for index, row in df.iterrows():
        cursor.execute(UPDATE_SQL, (row['MA5'], row['MA20'], row['MA5_diff'], 
            row['MA20_diff'], stock_code, index))
        conn.commit()

codes = cursor.execute('SELECT DISTINCT code FROM stocks_1day_kbars').fetchall()
for code in codes:
    generate_ma_of_day_kbar(code[0])

conn.close() #关闭资料库连线

因为计算均线只需要用Close的价格去做计算，所以在read_sql只有取ts跟Close这两个栏位，并且将index_col设定为ts栏位。请注意这里并没有做parse_dates，第一是因为做parse_dates後在下面执行update动作时会出现type错误；另一个原因是rolling是以row为单位做计算，不像是resample是需要使用datetime做为计算单位。
计算完成後，再使用for loop的方式将计算的结果回写回去资料库。另一个要注意的地方是，在一开始抓所有股票的Code时，是先用fetchall将所有的资料先存入codes中，因为在同一个conn中只能有一个cursor，所以必须要先这麽做，後面的cursor在执行update时才不会有问题。