基于DataFrame实现RSI指标计算的技术求助

先明确RSI的核心计算逻辑：

• 14天平均涨幅（Avg Gain）：窗口内所有正日涨幅的平均值（下跌日计为0）
• 14天平均跌幅（Avg Loss）：窗口内所有负日跌幅的绝对值的平均值（上涨日计为0）
• RSI = 100 - (100 / (1 + (Avg Gain / Avg Loss)))

针对你的多股票处理场景，直接看修正后的可运行代码：

import pandas as pd
import yfinance as yf

stocklist = ["^SPX", "^DJI"]
myStart = "2023-01-01"  # 替换成你的起始日期
myEnd = "2024-01-01"    # 替换成你的结束日期
d = {}

for name in stocklist:
    # 获取并整理单只股票数据
    data = yf.Ticker(name).history(start=myStart, end=myEnd)
    df = pd.DataFrame(data)
    
    # 计算日涨跌幅（当日收盘价-前一日收盘价）
    df["Daily Gain"] = df["Close"].diff()
    
    # 拆分上涨/下跌幅度：上涨日保留涨幅，否则为0；下跌日保留跌幅绝对值，否则为0
    df["Up"] = df["Daily Gain"].apply(lambda x: x if x > 0 else 0)
    df["Down"] = df["Daily Gain"].apply(lambda x: abs(x) if x < 0 else 0)
    
    # 计算14天滚动平均涨幅/跌幅
    df["Avg Gain"] = df["Up"].rolling(window=14).mean()
    df["Avg Loss"] = df["Down"].rolling(window=14).mean()
    
    # 计算RSI，处理平均跌幅为0的极端情况（避免除以0）
    df["RSI"] = 100 - (100 / (1 + df["Avg Gain"] / df["Avg Loss"].replace(0, float('inf'))))
    
    # 添加股票代码前缀，避免多股票列名冲突
    df = df.add_prefix(f"{name}_")
    d[name] = df

# 拼接所有股票的计算结果
modelData = pd.concat(d.values(), axis=1)

关键问题修正说明 #

1. 解决第一种方法的报错：你之前错误地对整个DataFrame做滚动平均，现在改为针对拆分后的Up/Down列单独计算，避免了"Daily Gain是列表"的错误。
2. 替代无效的apply函数：用lambda直接处理单条日涨跌幅数据，同时结合滚动窗口实现14天平均逻辑，比你之前只返回单个正收益的函数更完整。
3. 极端情况处理：用replace(0, float('inf'))处理14天全上涨的情况，此时RSI会自动计算为100，符合指标定义。

可选：RSI平滑计算方式 #

如果需要使用更标准的RSI平滑算法（后续窗口用前一期平均×13 + 当期值再÷14），可以替换滚动平均部分为：

# 初始14天用简单平均
df["Avg Gain"] = df["Up"].rolling(window=14).mean()
df["Avg Loss"] = df["Down"].rolling(window=14).mean()

# 从第15天开始应用平滑公式
for i in range(14, len(df)):
    df.loc[df.index[i], "Avg Gain"] = (df["Avg Gain"].iloc[i-1] * 13 + df["Up"].iloc[i]) / 14
    df.loc[df.index[i], "Avg Loss"] = (df["Avg Loss"].iloc[i-1] * 13 + df["Down"].iloc[i]) / 14

内容的提问来源于stack exchange，提问作者Trav