在分组股票DataFrame中应用TA-Lib KAMA报错，求解决方法

错误原因 #

你写的分组应用代码存在两个关键问题：

1. 直接执行tb.KAMA(close, timeperiod=3)并把结果传给apply，但apply需要的是能接收分组后Series的函数，不是已经计算好的Series对象，这直接触发了TypeError: 'Series' objects are mutable, thus they cannot be hashed错误。
2. 你传入的close是整个DataFrame的CLOSE列，不是每个分组后的单独序列——就算没报错，结果也是错误的，相当于把所有股票的行情连在一起算KAMA，而非每只股票独立计算。

修正代码 #

方法一：用lambda快速包装 #

让分组后的每个CLOSE序列作为参数传入KAMA函数：

import numpy as np
import pandas as pd
import talib as tb

df = pd.DataFrame()
df['NAME'] = ['A']*20 + ['B']*20
df['CLOSE'] = np.random.randint(1,100,df.shape[0])
df['NameNumber']=df.groupby('NAME').cumcount()
cols = ['NAME', 'NameNumber']
df['CN_PK'] = df[cols].apply(lambda row: '_'.join(row.values.astype(str)), axis=1)

# 全局计算KAMA（原代码正确部分）
df['KAMA'] = tb.KAMA(df['CLOSE'], timeperiod = 3)
# 分组计算KAMA（修正后的代码）
df['GrpKAMA'] = df.groupby('NAME')['CLOSE'].apply(lambda x: tb.KAMA(x, timeperiod=3))

df.head(50)

方法二：单独定义函数（更易维护） #

如果后续要调整参数或增加逻辑，单独定义函数会更清晰：

def calc_kama_for_group(close_series):
    return tb.KAMA(close_series, timeperiod=3)

df['GrpKAMA'] = df.groupby('NAME')['CLOSE'].apply(calc_kama_for_group)

验证结果 #

修正后，GrpKAMA列会针对股票A和B各自独立计算KAMA：

• 股票A的前2行GrpKAMA会是NaN（KAMA需要至少timeperiod个数据点初始化）
• 股票B的前2行同样是NaN，和全局计算的KAMA列结果完全区分开，符合分组计算的需求。

内容的提问来源于stack exchange，提问作者Flint