最近无聊，研究SMA/EMA/WMA如何用pandas实现，并与TA-Lib对比。
由于EMA的算法要用到上一期的EMA，一时用pandas搞不定，但是发现pandas有ewm这个窗口函数。所以用ewm实现了一次EMA，发现怎么跟TA-Lib的还是对应不上。pandas这么成熟的产品，并且ewm也存在不少时间了，如果有bug应当很快就修复才对。
由于国内基本没人用ewm这个函数，只好到StackOverflow上找了，居然还真找到了。
并且它还提供了代码演示如何用ewm得到与TA-Lib一样的结果。测试了一下，居然还真的是一模一样。
区别就是EMA的第一个数是如何取值的，有三种算法，TA-Lib中只实现了两种：
* TA_MA_CLASSIC:* Use a simple MA of the first 'period'.* This is the approach most widely documented.** TA_MA_METASTOCK:* Use first price bar value as a seed* from the begining of all the *ailable* data.
即，经典版第一个数是用的前几个价格的平均值，而MetaStock版就是用的原价格。
所以开始找有什么办法设置TA_MA_METASTOCK，发现python版没有提供此接口。
然后我又在github python版翻看issues，发现有很多人提到了各种数据不对的问题，其实都是EMA等类似的问题。由于作者可能对底层的算法没有认真研究，所以这些issue拖着没有close
所以我向python版作者提交了一个issue，目前他已经添加了这个接口。
import talib as taprint ta.get_compatibility() # DEFAULT == 0ta.set_compatibility(1) # METASTOCK == 1print ta.get_compatibility()
有兴趣的朋友可以去下载编译测试了，希望JoinQuant也立即跟进。
