在股市及其他金融领域中，经常需要进行指数加权平均计算，这个指标可以较好反应指数变动的趋势。
在python 中用pandas 的ewm函数可以很方便进行计算，但这个函数的说明过于复杂，大多数文章都很难清晰描述，而且原文也没有很好的中文译本。在使用过程中总对不上数据，经过反复实验，终于有了一些头绪，记录如下。
pandas关于ema的文档
https://pandas.pydata.org/pandas-docs/version/0.17.0/generated/pandas.ewma.html
先看看指数移动平均值EMA的定义：
EMA定义
EMA（Exponential Moving Average）是指数移动平均值。也叫EXPMA指标，它也是一种趋向类指标，指数移动平均值是以指数式递减加权的移动平均。
EMA（today）=α Price（today） + ( 1 - α ) EMA（yesterday）;
其中，α为平滑指数，一般取作2/(N+1)。典型的在计算MACD指标时，EMA计算中的N一般选取12和26天，因此α相应为2/13和2/27。
这里可以看到一个问题，如果是N>1,则存在EMA（0）的取值问题，一般可以取值:
EMA（0）= Price（0）