使用TA-Lib计算RSI与SMA时遇类型错误及参数缺失问题求助

错误原因分析 #

1. 首次报错：你错误地将DataFrame转成numpy数组传递给indicators函数——numpy数组不支持df['rsi']这类列赋值操作，且TA-Lib的abstract模块本身可以直接处理DataFrame，完全不需要转数组。
2. 二次报错：仅传入收盘价列（Series）时，abstract.RSI无法识别输入数据对应的字段类型，导致缺少必填的'close'键标识。

修复步骤及代码修改 #

1. 移除无效提前调用 #

删除代码中这一行（此时data_prices还未定义，会引发NameError）：

abstract.RSI(data_prices, 140)

2. 修改indicators函数调用 #

直接传入原始DataFrame，不要转成numpy数组：

df = indicators(data_prices, N)

3. 完善indicators函数逻辑 #

• 给RSI、SMA指定合理的周期参数（可根据需求调整，也可使用默认值）
• 确保FGI数据长度与DataFrame行数一致，避免赋值时长度不匹配

修改后的indicators函数：

def indicators(df, N):
    # RSI常用周期14，SMA常用周期20，可按需修改
    df['rsi'] = abstract.RSI(df, timeperiod=14)
    df['sma'] = abstract.SMA(df, timeperiod=20)
    # 按DataFrame实际行数获取FGI数据，避免长度不匹配
    fgi_values = parse_fgi(len(df))
    df['fgi'] = fgi_values
    return df

4. （可选）优化FGI日期匹配 #

如果FGI数据和行情数据日期不完全对齐，可添加日期匹配逻辑，确保值对应正确日期：

def parse_fgi(N):
    url = "https://api.alternative.me/fng/?format=csv&date_format=us"
    parameters = {
        "limit": N,
        "format": "json"
    }
    response = requests.get(url, params=parameters)
    data = response.json()['data']
    # 转换为带日期索引的Series
    fgi_df = pd.DataFrame(data)
    fgi_df['value'] = fgi_df['value'].astype(float)
    fgi_df['timestamp'] = pd.to_datetime(fgi_df['timestamp'], format='%Y-%m-%d')
    fgi_df = fgi_df.set_index('timestamp').sort_index()
    return fgi_df['value']

对应修改indicators函数：

def indicators(df, N):
    df['rsi'] = abstract.RSI(df, timeperiod=14)
    df['sma'] = abstract.SMA(df, timeperiod=20)
    fgi_series = parse_fgi(N)
    # 按行情数据索引对齐FGI值，缺失日期用NaN填充
    df['fgi'] = df.index.map(lambda x: fgi_series.get(x, np.nan))
    return df

完整修复后代码 #

import requests
from datetime import datetime, timedelta
import pandas as pd
import talib
import numpy as np
from talib import abstract
import yfinance as yf

# 安装TA-Lib（仅首次运行需要）
!wget http://prdownloads.sourceforge.net/ta-lib/ta-lib-0.4.0-src.tar.gz
!tar -xzvf ta-lib-0.4.0-src.tar.gz
%cd ta-lib
!./configure --prefix=/usr
!make
!make install
!pip install Ta-Lib

N = 1400

def parse_fgi(N):
    url = "https://api.alternative.me/fng/?format=csv&date_format=us"
    parameters = {
        "limit": N,
        "format": "json"
    }
    response = requests.get(url, params=parameters)
    data = response.json()['data']
    fgi_values = [float(i['value']) for i in data][::-1]
    return fgi_values

def parse_dates(N):
    end_date = datetime.today()
    start_date = end_date - timedelta(days=N)
    dates = pd.date_range(start=start_date, end=end_date)
    us_dates = dates.strftime('%Y-%m-%d').tolist()
    return us_dates

def parse_prices(coin, N):
    period = parse_dates(N)
    end_time = period[-1]
    start_time = period[0]
    data = yf.download(coin+"-USD", start_time, end_time)
    data.rename(columns = {'Open': 'open',
                        'High':'high',
                        'Low': 'low',
                        'Close': 'close',
                        'Volume': 'volume'}, inplace = True)
    return data

data_prices = parse_prices("XRP", N)

def indicators(df, N):
    df['rsi'] = abstract.RSI(df, timeperiod=14)
    df['sma'] = abstract.SMA(df, timeperiod=20)
    fgi_values = parse_fgi(len(df))
    df['fgi'] = fgi_values
    return df

df = indicators(data_prices, N)
print(df.head())

内容的提问来源于stack exchange，提问作者aufloren