如果你想计算股票或其他交易品种的90%筹码集中度，可以使用以下Python代码示例（以Pandas库为基础，假设你已经有了筹码分布数据）：

python
import pandas as pd
import numpy as np

假设df是包含筹码分布数据的DataFrame，包含两列：'price'（价格）和'ratio'（该价格处的筹码比例）
例如（实际数据需要你自己获取或计算）：
df = pd.DataFrame({'price': [10.0, 10.5, 11.0, 11.5], 'ratio': [0.2, 0.3, 0.4, 0.1]})

def calculate_concentration(df, percentage=0.9):
按价格排序（确保升序）
df_sorted = df.sort_values('price').reset_index(drop=True)
total_ratio = df_sorted['ratio'].sum()
target_ratio = total_ratio percentage

计算累计筹码比例
cumulative_ratio = df_sorted['ratio'].cumsum()

找到累计比例首次超过目标值的位置
idx_max = np.argmax(cumulative_ratio = target_ratio)
idx_min = np.argmax(cumulative_ratio = (total_ratio - target_ratio))

获取90%筹码集中的价格区间
price_min = df_sorted.loc[idx_min, 'price']
price_max = df_sorted.loc[idx_max, 'price']

计算集中度：价格区间宽度除以平均价格（或中位数价格）
concentration = (price_max - price_min) df_sorted['price'].median()

return concentration, price_min, price_max

调用示例
concentration, price_min, price_max = calculate_concentration(df, 0.9)
print(f"90%筹码价格区间: [{price_min}, {price_max}]，集中度: {concentration:.4f}")


说明：
1. 这段代码假设你已经有筹码分布数据（价格和对应筹码比例），实际数据需要从行情软件、API或自有数据源获取。
2. 集中度计算公式为：(价格区间上限 - 价格区间下限) 中位数价格（也可用均值或其他标准化方式）。
3. 如果数据源是动态的（如实时行情），可能需要先计算筹码分布（常用算法如CYQ、市场成本分布模型）。

如果需要直接对接行情软件或自动化获取筹码数据，可以点击我头像添加微信，我司提供专业的量化交易工具与数据服务，支持定制化指标计算（包括筹码集中度），还能申请低佣金账户节省交易成本！