为何使用Python ta库计算RSI时结果随起始位置变化？

问题 #

我有一个DataFrame，想要基于Close列以14为窗口计算RSI，代码如下：

from ta.momentum import RSIIndicator
import pandas as pd

data = pd.read_csv()
output = RSIIndicator(data.Close, 14).rsi()
print(output.head(20))

得到的RSI结果如下：

0           NaN
1           NaN
2           NaN
3           NaN
4           NaN
5           NaN
6           NaN
7           NaN
8           NaN
9           NaN
10          NaN
11          NaN
12          NaN
13    30.565576
14    30.565576
15    30.565576
16    36.847817
17    53.471152
18    53.471152
19    59.140918

但当我从任意其他位置开始计算，例如使用data.iloc[1:]时，我理解由于偏移了1个位置，原13索引会变为NaN，RSI从14索引开始，但为何结果值会改变？

window = 14
t = RSIIndicator(data.Close.iloc[1:], window).rsi()
print(t.head(20))

输出结果：

1           NaN
2           NaN
3           NaN
4           NaN
5           NaN
6           NaN
7           NaN
8           NaN
9           NaN
10          NaN
11          NaN
12          NaN
13          NaN
14    31.481498
15    31.481498
16    37.849374
17    54.534367
18    54.534367
19    60.171078
20    44.372719

RSI不是只需要前14个值吗？为何缺少最旧的第15个值会导致结果变化？这对我实时计算RSI很重要，我希望新数据到来时，仅传入前14个数据点就能得到下一个RSI值，但现在似乎必须传入完整数据集。

回答 #

核心原因是ta库的RSIIndicator默认用**平滑移动平均（EMA）**计算平均涨跌幅，而非简单移动平均（SMA）。EMA是带权重的计算方式，初始阶段会用到序列开头到当前窗口的所有历史数据，不是只取最近14个。当你砍掉原始序列的第一个数据点（用data.iloc[1:]），EMA的初始计算基础完全改变，后续所有RSI值自然会跟着变化。

针对你的实时计算需求，有两个可行方案：

1. 改用简单移动平均（SMA）实现RSI #

SMA仅依赖最近N个周期的数据，完全符合你“只传前14个点算下一个RSI”的需求，手动实现代码如下：

def calculate_rsi_sma(prices, window=14):
    deltas = prices.diff()
    # 分离上涨和下跌幅度
    gains = deltas.where(deltas > 0, 0)
    losses = -deltas.where(deltas < 0, 0)
    
    # 用滚动窗口计算简单平均涨跌幅
    avg_gain = gains.rolling(window=window, min_periods=window).mean()
    avg_loss = losses.rolling(window=window, min_periods=window).mean()
    
    rs = avg_gain / avg_loss
    rsi = 100 - (100 / (1 + rs))
    return rsi

# 测试：切片前后对应位置的RSI值会一致（仅索引偏移）
rsi_full = calculate_rsi_sma(data.Close, 14)
rsi_slice = calculate_rsi_sma(data.Close.iloc[1:], 14)

2. 保留EMA逻辑但维护滚动状态 #

如果一定要用EMA版本的RSI，不能每次切片从头计算，必须维护历史序列的状态：

# 初始化：先传入前14个数据建立初始EMA状态
historical_prices = data.Close.iloc[:14].copy()
rsi_indicator = RSIIndicator(historical_prices, 14)
initial_rsi = rsi_indicator.rsi()

# 实时更新：新数据到来时追加到历史序列后
new_price = data.Close.iloc[14]
historical_prices = pd.concat([historical_prices, pd.Series([new_price])])
# 取最新的RSI值
current_rsi = RSIIndicator(historical_prices, 14).rsi().iloc[-1]

简单总结：

• 你看到的数值差异是因为ta的RSI用了EMA，依赖全部历史数据计算初始值
• 实时计算要轻量化，优先选SMA版本的RSI，仅需最近N个数据点
• 坚持用EMA的话，必须维护完整的历史滚动序列，不能切片从头算

内容的提问来源于stack exchange，提问作者bcsta