这个python案例如何看这次三线距离保持？

wen python案例 2026-10-22 2

本文目录导读：

先明确“三线距离保持”指什么
Python里怎么看结果
判断“保持得好不好”的要点
如果你能贴出代码

你提到的“三线距离保持”通常出现在通达信/同花顺等股票软件的公式指标里，而Python案例一般是用 pandas 复现这类逻辑，由于你没有贴出具体代码，我按最常见的几种理解来说明如何“看”这个结果。

先明确“三线距离保持”指什么

常见有两种定义：

定义A（均线粘合/距离保持） 三条均线（如 MA5、MA10、MA20）之间的相对距离保持在一个小区间内，即：

abs(MA5 - MA10) / MA10 < 阈值
abs(MA10 - MA20) / MA20 < 阈值
且这种状态连续N天成立 → “保持”

定义B（三线距离变化率） 三条线两两距离的变化幅度很小，即距离“稳定”，不是粘合而是平行。

Python里怎么看结果

假设你的代码大致是：

df['ma5'] = df['close'].rolling(5).mean()
df['ma10'] = df['close'].rolling(10).mean()
df['ma20'] = df['close'].rolling(20).mean()
df['d1'] = (df['ma5'] - df['ma10']).abs() / df['ma10']
df['d2'] = (df['ma10'] - df['ma20']).abs() / df['ma20']
df['keep'] = (df['d1'] < 0.01) & (df['d2'] < 0.01)

看“保持”的连续性

单纯 keep==True 只说明当天满足，“保持”要看连续天数：

# 连续满足天数
df['keep_days'] = df['keep'].groupby((~df['keep']).cumsum()).cumsum()

然后看：

df[df['keep_days'] >= 3]   # 连续3天以上保持

看距离是否真的“稳定”

只看是否小于阈值不够,要看距离序列的波动：

# 最近20天距离的稳定性
df['d1_std'] = df['d1'].rolling(20).std()
df['d2_std'] = df['d2'].rolling(20).std()

std 小 → 距离保持得好；std 大 → 距离在扩张/收缩。

看方向：是粘合还是发散

df['d1_slope'] = df['d1'].diff()   # 正=发散，负=收敛

d1、d2 都小且 slope≈0 → 三线平行保持
d1、d2 都小且 slope<0 → 正在粘合（可能是变盘前）
d1、d2 变大 → 距离被打破

可视化最直观

import matplotlib.pyplot as plt
fig, ax = plt.subplots(2,1, figsize=(12,8), sharex=True)
ax[0].plot(df['ma5'], label='MA5')
ax[0].plot(df['ma10'], label='MA10')
ax[0].plot(df['ma20'], label='MA20')
ax[0].legend()
ax[1].plot(df['d1'], label='|MA5-MA10|/MA10')
ax[1].plot(df['d2'], label='|MA10-MA20|/MA20')
ax[1].axhline(0.01, color='r', ls='--')  # 阈值线
ax[1].legend()
plt.show()

看图上：

上图三线是否平行/贴近
下图两条距离曲线是否长期在阈值线下方且平稳

判断“保持得好不好”的要点

观察项	保持好	保持差/将破坏
距离值	长期 < 阈值	频繁穿越阈值
距离std	小	大
距离斜率	≈0	明显上升（发散）
连续天数	长	短、断续
三线方向	同向	交叉、缠绕