TA-Lib, C#, C++

TA-Lib, C#

https://www.google.com/search?q=TA-Lib+for+c%23

https://github.com/phmatray/TaLibStandard

https://github.com/hmG3/TA-Lib.NETCore

https://www.nuget.org/packages/TALib.NETCore

https://www.reddit.com/r/algotrading/comments/yb54et/what_is_the_best_net_lib_for_technical_analysis/?rdt=43939

C++

https://ta-lib.org/

Net Framework

https://www.nuget.org/packages/TA-Lib

Find Ta-Lib from Medium

Setup, TaLib

https://giga.chat/link/gcsUgTNupd
Вот список пакетов, которые я рекомендую для работы с TA-LIB:
Python – Оптимальная версия Python для стабильной работы с большинством
библиотек – 3.8.x или 3.9.x. 
Эти версии поддерживают большинство современных библиотек и обеспечивают
хорошую производительность.
TA-LIB – Библиотека для технического анализа финансовых данных.
NumPy – Необходимая зависимость для многих научных вычислений,
включая работу с массивами данных.
Pandas – Мощная библиотека для обработки и анализа данных,
часто используется вместе с TA-LIB.
Matplotlib – Графическая библиотека для визуализации данных.
Jupyter Notebook – Удобный инструмент для интерактивного программирования
 и анализа данных.
Рекомендации по версиям:
Python: Версия 3.8 или 3.9
TA-LIB: Последняя доступная версия (например, 0.4.24)
Numpy: Версии 1.19.x или выше
Pandas: Версий 1.1.x или новее
Matplotlib: Версию 3.3.x или позже
Jupyter Notebook: Версией 6.1 или новее

Создаём новую среду с нужной версией Python:
conda create -n talib_env_python38 python=3.8
Активируем созданную среду:
conda activate talib_env_python38
Устанавливаем нужные пакеты:
conda install -c conda-forge ta-lib numpy pandas matplotlib jupyter notebook
-----------------
conda create -n talib_env_3_9X python=3.9
conda activate talib_env_3_9X
conda install -c conda-forge ta-lib numpy pandas matplotlib jupyter notebook
Запустите Jupyter Notebook:
jupyter notebook
import numpy as np
import talib
import pandas as pd
import matplotlib.pyplot as plt

# Создаем тестовые данные
close_prices = np.array([10, 11, 12, 9, 8, 7, 6, 15], dtype=np.float64)

# Рассчитываем простую скользящую среднюю за последние 3 периода
sma_3 = talib.SMA(close_prices, timeperiod=3)

# Отображаем результаты
plt.plot(close_prices, label='Close Prices')
plt.plot(sma_3, label='SMA (3)')
plt.legend()
plt.show()
import numpy as np
import pandas as pd
import matplotlib

print(np.__version__)
print(pd.__version__)
print(matplotlib.__version__)
import sys

# Получаем информацию о версии Python
major_version = sys.version_info.major
minor_version = sys.version_info.minor
micro_version = sys.version_info.micro

# Формируем строку с версией
python_version = f"{major_version}.{minor_version}.{micro_version}"

# Выводим версию Python
print(f"Ваша версия Python: {python_version}")
import sys

# Получаем основную версию Python
major_minor_version = f"{sys.version_info.major}.{sys.version_info.minor}"

# Выводим основную версию
print(f"Ваша версия Python: {major_minor_version}")