本例代码使用pandas计算布林带，实验性的功能，实际计算中还是使用talib库计算即可。
废话不多说，直接放代码
import pandas as pd
import numpy as np
import pandas_datareader.data as web
def boll_bands(data, ndays):
"""
计算布林带
:param data: 股票的df格式数据
:param ndays: 计算使用的简单移动均线周期
:return:
"""
ma = pd.Series(np.round(data['Close'].rolling(ndays).mean(), 2), name='MA%s'%ndays) # 计算nday均线
# pandas.std() 默认是除以n-1 的，即是无偏的，如果想和numpy.std() 一样有偏，需要加上参数ddof=0
# 此处添加ddof的原因是wind和yahoo的计算均采用的有偏值进行的计算
std = pd.Series(np.round(data['Close'].rolling(ndays).std(ddof=0), 2)) # 计算nday标准差，有偏
b1 = ma + (2 * std) # 此处的2就是Standard Deviations
B1 = pd.Series(b1, name='UpperBollingerBand')
data = data.join(ma) # 上边不写name 这里报错
data = data.join(B1)
b2 = ma - (2 * std)
B2 = pd.Series(b2, name='LowerBollingerBand')
data = data.join(B2)
return data
if __name__ == '__main__':
# pandas调用yahoo财经的股票数据，此处以纳斯达克指数为例计算
data = web.DataReader('^IXIC', data_source='yahoo', start='2/5/1971', end='1/14/2019')
data = pd.DataFrame(data) # 得到的数据中index直接就是Date
n = 50
NIFTY_BBANDS = boll_bands(data, n)
print(NIFTY_BBANDS.loc[:, ['LowerBollingerBand', 'UpperBollingerBand']])
print(NIFTY_BBANDS.columns)
代码中参数与雅虎财经中的参数对比
图中的period就是代码中的ndays，Standard Deviations就是代码中的b1 = ma + (2 * std) 这里的2，2倍标准差