安装矩阵
不同 Python 版本，分别该装哪一个？
下表是本站 2026-10-10 在 Windows + Python 3.11.9 上逐条实测的结果。先看最左列找你的版本，再执行对应命令，不要照着教程直接复制。
| 你的 Python 版本 | 推荐命令 | 实测结果 | 说明与注意点 |
|---|---|---|---|
| 3.10 / 3.11 | pip install pandas-ta-classic | 成功（本机 16.1 秒） | 会一并装上 numpy 与 pandas；若用 uv 则把 pip 换成 uv |
| 3.10 / 3.11 上装原包 | pip install pandas-ta | 失败 | 报错原文：Ignored the following versions that require a different python version: 0.4.67b0 Requires-Python >=3.12; 0.4.71b0 Requires-Python >=3.12 |
| 3.12 及以上装原包 | pip install pandas-ta | 本站未验证 | PyPI 上的两个版本都声明 >=3.12；本机没有 3.12+ 解释器，因此不给出成功结论 |
| 3.12 及以上（更稳的选择） | 装社区分支 | 预期可用（声明 >=3.10） | classic 的版本区间覆盖 3.12+；是否在 3.12 上运行正常请自行验证 |
| 任意版本 + 想加速 | 装社区分支 + performance extra | 未在本站复现 | 官方声明装 numba 可获得提速；属于厂方声明，本站不背书具体倍数 |
| 任意版本 + 想用 TA-Lib 对照 | pip install TA-Lib | 成功（TA-Lib 0.8.1） | 0.6.5+ 的 binary wheel 自带 C 库，Windows 上不需要额外编译 |
最容易踩的一条：网上大量中文教程写的是
pip install pandas-ta。如果你的环境是 3.10 或 3.11，这条命令今天一定失败，且报错信息是「没有可用版本」，容易让人误判成网络问题。失败原文
那条安装失败的命令，报错到底在说什么？
把原始报错逐句拆开看，就能立刻判断是环境问题还是包的问题。下面保留完整原文，不做删减。
$ pip install pandas-ta
ERROR: Ignored the following versions that require a different python version: 0.4.67b0 Requires-Python >=3.12; 0.4.71b0 Requires-Python >=3.12
ERROR: Could not find a version that satisfies the requirement pandas-ta (from versions: none)
ERROR: No matching distribution found for pandas-ta| 报错片段 | 它在说什么 | 你该做什么 |
|---|---|---|
Ignored the following versions that require a different python version | PyPI 上的版本都存在，但都不满足你当前解释器的版本要求 | 先 python --version 确认版本 |
0.4.67b0 / 0.4.71b0 Requires-Python >=3.12 | 这个包总共只有两个版本，且都要求 3.12 以上 | 要么升解释器，要么改用 classic |
No matching distribution found for pandas-ta | pip 按你的环境筛完之后没有可选项 | 不是网络问题、不是镜像问题，换成别的镜像也一样 |
| 注意点 | 报错里没有出现「权限」或「SSL」字样 | 出现那类字样才是网络或权限问题，不要混淆 |
两条官方路径
官方文档给了哪几种安装方式？
classic 的 README 与 quickstart 同时给出 pip 与 uv 两种写法，并提供了若干可选依赖组。下表把它们逐条列全，并标明本站是否验证过。
| 方式 | 命令 | 用途 | 本站验证状态 |
|---|---|---|---|
| pip 稳定版 | pip install pandas-ta-classic | 最常用；装 PyPI 上最新发布版 | 已验证（0.8.32） |
| uv 稳定版 | uv pip install <同上包名> | 同上的 uv 写法；uv 通常更快 | 未单独验证（与本机 uv 未装有关） |
| 从仓库装最新 | pip install -U git+<仓库地址> | 拿主干最新代码 | 未验证 |
| 可选：加速 | [performance] | 装 numba 以启用部分指标加速 | 未复现官方倍数声明 |
| 可选：TA-Lib 对照 | [oracle] | 装上 TA-Lib 作为对照基线 | 部分验证（单独装 TA-Lib 0.8.1 成功） |
| 可选：开发与测试 | [dev] / [test] / [docs] / [lint] | 贡献代码时使用 | 未验证 |
要不要装 numba？官方 README 把「6–230× 提速」列在特性里，但这是厂方声明，没有说明测试数据、数据规模与硬件。本站没有复现这个数字，因此只把它写成「官方声明」。要不要装，建议按你自己的数据规模实测后决定。
安装后验证
装完怎么确认装对了？五步走完即可
下面五步都在本机 Python 3.11.9 + classic 0.8.32 上实测通过，每步都给出预期输出；输出不符时给出排查方向。
- 确认分发与版本（
pip show <包名>） 预期看到Name与你装的包名一致、Version: 0.8.32。若显示别的名字，说明环境里的不是这个包。 - 第二步 · 确认导入路径
python -c "import pandas_ta_classic as t; print(t.__file__)"→ 预期路径位于site-packages\pandas_ta_classic\__init__.py。路径不对就是装错位置或装错包。 - 第三步 · 读取版本与横幅
python -c "import pandas_ta_classic as t; print(t.version)"→ 预期先打印版本横幅与Total Indicators & Utilities: 255，再打印0.8.32。读到0.0.0说明是源码安装且缺 git 版本信息。 - 第四步 · 跑一个真实指标 按官方 quickstart 造 5 行数据或读 CSV，执行
df.ta.sma(length=20, append=True)。预期df.columns多出SMA_20。若一列都没加：先查有没有close列，再查行数是否少于 20（两种情况都不报错）。 - 第五步 · 确认可选依赖的实际状态
python -c "from pandas_ta_classic._meta import Imports; print(Imports)"→ 预期返回{'talib': False, 'tqdm': ..., 'tulipy': False}之类的字典。注意：未装 TA-Lib 时传talib=True不会报错，会静默用原生实现。
这五步合起来就是一份「环境交付检查单」。团队协作时建议把它写进项目 README，避免出现「我这能跑、你那不行」却查不出包名差异的情况。
依赖边界
依赖约束里有哪些会咬人的地方？
安装本身很简单，真正会让项目出问题的是依赖约束。下表把两边的约束与后果列出来。
| 约束项 | 原发行版（0.4.71b0） | 社区分支（0.8.32） | 会怎么咬人 |
|---|---|---|---|
| numba | 硬钉 numba==0.61.2 | 可选（extra） | 硬钉意味着它和你项目里其它需要 numba 的包会打架 |
| numpy | >=2.2.6 | >=2.0.0 | 原包的下限更高；老项目锁在 numpy 1.x 时两者都装不上 |
| pandas | >=2.3.2 | >=2.0.0 | 本站实测 classic 0.8.32 在 pandas 3.0.6 上可运行 |
| Python | >=3.12 | >=3.10 | 这是两个包最实质的差别，也是本站建议的选型首要判据 |
| TA-Lib | 未声明为依赖 | extra oracle，>=0.6.8 | 0.6.5+ 的 wheel 自带 C 库；更早版本要自己编译 C 库 |
| tqdm | >=4.67.1（必需） | 可选 extra | 原包会强制装上 tqdm |
| 注意点 | 原发行版本站未能安装，上表来自 wheel 的 METADATA 离线剖析 | 本表来自实际安装后的 pip list | 不要把两列的来源性质混为一谈 |
版本核对
怎么查自己装的是哪个版本？
同一个包在不同时间会给出不同答案，因此「查版本」本身也需要方法。下表列出四个可用入口及其适用场景。
| 方法 | 命令 | 适合场景 | 局限 |
|---|---|---|---|
| pip 元数据 | pip show <包名> | 交付前核对、写环境文档 | 只反映已安装分发的元数据 |
| 运行时属性 | ta.version | 脚本里做兼容判断 | 源码安装且缺 git 信息时可能是 0.0.0 |
| 启动横幅 | 首次 import 时打印 | 人工肉眼确认 | 走 stdout，会污染 JSON/CSV 输出 |
| requirements 锁文件 | pip freeze > requirements.txt | 复现环境 | 只有锁了版本才可复现；>= 写法无法复现 |
| PyPI 页面 | PyPI 上的项目页 | 确认是否存在更新的版本 | 页面上的 release 列表不等于你本地装了什么 |
本站的做法：站点上所有读数都写成「包名 + 版本 + Python 版本 + 采集日期」，例如「0.8.32（classic）/ Python 3.11.9 / 2026-10-10」。只有带齐这四项的读数才有可比性。
版本升级
升级到新版本之前，要做哪些回归？
指标库的升级不是「换个版本号」那么简单：默认参数、列名、输出列数都可能变。下面这份回归清单按「先能跑、再对得上、最后看差异」的顺序排列。
| 步骤 | 具体动作 | 要记录什么 | 不通过怎么办 |
|---|---|---|---|
| ① 冻结基线 | 在当前版本上把关键指标导出成 CSV（含时间索引与全部列） | 包名、版本、Python 版本、依赖版本、导出日期 | 缺少基线就先建一份，再执行升级 |
| ② 升级 | pip install -U <包名>，或显式指定目标版本 | 升级命令、升级前后的版本号 | 升级命令失败时先看是版本约束还是网络问题 |
| ③ 冒烟测试 | 用与基线完全相同的数据跑一遍同样的调用 | 新增/消失的列名、每列起始非空位置 | 列名变化要同步改下游取列代码 |
| ④ 数值对账 | 把新输出与基线做逐列最大绝对差 | 每列的最大绝对差与比较区间长度 | 超过自设阈值时逐列定位，而不是整体回滚 |
| ⑤ 口径复核 | 重跑本站的因果性判定，确认没有新引入的非因果列 | 每列的不一致时点数 | 出现新的非因果列时，在信号层先剔除 |
| ⑥ 留痕 | 把上面五项写进项目文档或 CHANGELOG | 升级结论：可升级 / 需改动 / 暂缓 | 没有记录的升级等于没有验证 |
为什么第 5 步要单独做：指标库升级最常见的隐性风险不是数值偏移，而是某个原本因果的列变成了含未来数据的列（或反之）。数值对账发现不了这一类变化，必须用「截断重算」的方法专门检查一遍。
与官方声明的关系：官方 README 的升级说明与 CHANGELOG 是一手依据，但中文圈缺少「升级后要回归什么」的操作清单。上面这张表补的就是这一块。
FAQ
pandas-ta 安装常见问题：装不上、要不要装依赖、怎么核对版本
下面的回答都指向可核验的官方文件或本站实测；与官方表述冲突时，以官方仓库与文档为准。
为什么我执行 pip install pandas-ta 会说找不到可用版本？
因为 PyPI 上的 pandas-ta 只有两个版本，且都声明 Requires-Python >=3.12。在 3.10 或 3.11 下 pip 会把它们全部跳过，于是报「没有可用版本」。这不是网络问题。
换成清华源或阿里源能装上吗？
不能。这是版本约束导致的过滤结果，换镜像只是换下载地址，不会改变 Requires-Python 的判断。
我该用 pip 还是 uv？
两者都可以，官方 README 同时给出两种写法。本站的实测是在 pip 下完成的；uv 的写法已在矩阵表里列出，但本站未单独验证。
需要先装 pandas 吗？
不需要单独装。它声明了 pandas>=2.0.0 与 numpy>=2.0.0，pip 会自动装上（本机实测会一并安装 numpy 2.4.6 与 pandas 3.0.6）。
一定要装 TA-Lib 吗？
不需要。TA-Lib 在 classic 里是可选的：默认使用原生 Python 实现，传 talib=True 才走 TA-Lib。本站实测 TA-Lib 0.8.1 的 wheel 可直接装上，无需单独编译 C 库。
装完怎么知道装的版本对不对？
四条判据按可靠性排序：pip show 的分发名与版本、模块 __file__ 路径、首次 import 的启动横幅、以及包内 Category 字典的分类计数。建议至少核对前两条。