前回（【Python】株価データに移動平均を付ける）、移動平均線を引いてみたところやはりゴールデンクロス以降は株価が上昇していることがわかりましたので、ゴールデンクロスが発生したタイミングをデータの中から抽出してみたいと思います。
■プログラム
import pandas as pd
df=pd.read_csv('9432.csv',encoding='shift-jis', index_col=0)
df.index=pd.to_datetime(df.index)
df['25MA']=df['Close'].rolling(25).mean()
df['75MA']=df['Close'].rolling(75).mean()
#shiftで縦方向に１つ行をずらす。
#１日前の値が欲しければ下(正方向)に１行ずらせば同じ行内で前日の値が取得できる
df['1日前_25MA']=df['25MA'].shift(1)
df['1日前_75MA']=df['75MA'].shift(1)
#関数：ゴールデンクロス判定
def goldenX(row):
if row["1日前_75MA"] > row["1日前_25MA"] and row["25MA"] > row["75MA"] :
row["goldenX"] = 1
else:
row["goldenX"] = 0
return row
#関数「goldenX（ゴールデンクロス判定）」を各行に追加
df = df.apply(goldenX, axis=1)
#ゴールデンクロスが発生したタイミングを抽出
df2=df[df['goldenX']==1]
■解説
for文を使用してもできるのですが、データ量が多いとかなり時間がかかると思うので、なるべくfor文以外の方法でやってみました。
１．データを1日分ずらして別カラムに格納する
ゴールデンクロスは長期移動平均＞短期移動平均から短期移動平均＞長期移動平均となる日を指すので前日は長期移動平均（75MA）が短期移動平均（25MA）よりも高く、当日は短期移動平均（25MA）が長期移動平均（75MA）よりも高くなります。
そこで
df['25MA'].shift(1)
でデータを1段下げることで、前日のデータを当日のレコードに入れます。
#shiftで縦方向に１つ行をずらす。 #１日前の値が欲しければ下(正方向)に１行ずらせば同じ行内で前日の値が取得できる df['1日前_25MA']=df['25MA'].shift(1) df['1日前_75MA']=df['75MA'].shift(1)
こうすることで1レコードの中で前日のデータがわかるようになります。
２．applyで各レコードに関数の結果を追加する
1レコードの中で前日のデータがわかるようになったので、各レコードにゴールデンクロス判定を行う関数を追加します。
まず、このようなIf文で関数を作成します。
#関数：ゴールデンクロス判定
def goldenX(row):
if row["1日前_75MA"] > row["1日前_25MA"] and row["25MA"] > row["75MA"] :
row["goldenX"] = 1
else:
row["goldenX"] = 0
return row
次にこの関数をapplyで各レコードに追加します。
#関数「goldenX（ゴールデンクロス判定）」を各行に追加 df = df.apply(goldenX, axis=1)
最後にゴールデンクロス判定が1（True）のものを抽出します。
#ゴールデンクロスが発生したタイミングを抽出 df2=df[df['goldenX']==1]
データを見てみると、2018年1月1日～2023年3月23日の間で12回ゴールデンクロスを迎えていたことがわかりました。
↓よろしければクリックをお願いします！
