pandas groupby结合apply计算TA-Lib RSI并将结果添加为DataFrame列的问题

合并失败的核心原因有两个：

• 自定义calc_rsi函数返回了无索引绑定的原生numpy数组，groupby.apply返回结果的索引无法和原DataFrame的行索引一一匹配，后续如果做reset_index后再merge，会因为键不匹配出现值丢失、全列NaN、合并报错的问题
• 原示例代码中分组使用的列名sym和实际数据的标的字段symbol不一致，存在KeyError的隐蔽风险

• 调整calc_rsi函数，计算完成后将RSI结果绑定原输入序列的索引，转为pandas Series返回，从根源保证索引对齐：

def calc_rsi(series):
    close_arr = series.values
    RSI = talib.RSI(close_arr, timeperiod=14)
    # 绑定原序列的索引，返回带索引的Series而非裸numpy数组
    return pd.Series(RSI, index=series.index)

• 修正分组列名，直接将分组计算的结果赋值为原DataFrame的新列，无需额外做reset_index+merge的操作：

# 注意分组列名和实际字段symbol保持一致
quote_data["rsi_test"] = quote_data.groupby("symbol")["close"].apply(calc_rsi)

不要沿用原逻辑中对分组apply结果做reset_index(name='rsi_test')再合并的流程：当函数返回裸numpy数组时，pandas生成的MultiIndex第二层是组内的位置计数，而非原表的真实行索引，合并时必然出现匹配偏差。只要函数返回带原索引的Series，apply的结果会自动和原表索引对齐，直接赋值即可完成新列的添加，这种行为和之前你用pandas.rolling.mean()计算移动平均的逻辑完全一致，不会出现索引错位的问题。

内容的提问来源于stack exchange，提问作者tman