设计一个简单的程序，演示如何使用TA-Lib库计算股票的常见技术指标，如移动平均线（MA）、相对强弱指标（RSI）等，并将计算结果进行可视化展示。

设计一个简单的Python程序来使用TA-Lib库计算股票的技术指标是一个很好的例子。首先，你需要安装`ta-lib`库，可以使用pip来安装：

pip install ta

然后，我们可以创建一个Python脚本，假设我们有历史股票价格数据作为输入。这里是一个基本示例，我们将计算5日和10日简单移动平均线（SMA），以及RSI指标：

import pandas as pd
from ta import add_all_ta_features, high_low_close_volumes_toohlcv
import matplotlib.pyplot as plt

# 假设df_data包含股票的历史价格数据，列名分别为'date', 'open', 'high', 'low', 'close', 'volume'
df_data = ...  # 从CSV文件或API获取实际数据

# 使用TA-Lib转换数据格式
df.ta = add_all_ta_features(df[['open', 'high', 'low', 'close', 'volume']], fillna=True)

# 计算5日和10日SMA
sma_5 = df.ta['SMA_5']
sma_10 = df.ta['SMA_10']

# 计算RSI
rsi = df.ta['RSI_14']

# 可视化展示
plt.figure(figsize=(12,6))
plt.plot(df['date'], df['close'], label='Close Price')
plt.plot(df['date'], sma_5, label='SMA_5')
plt.plot(df['date'], sma_10, label='SMA_10')
plt.title('Stock Prices with Moving Averages')
plt.xlabel('Date')
plt.ylabel('Price')
plt.legend()
plt.show()

plt.figure(figsize=(12,6))
plt.plot(df['date'], rsi, label='RSI')
plt.title('Relative Strength Index (RSI)')
plt.xlabel('Date')
plt.ylabel('RSI Value')
plt.axhline(y=70, color='red', linestyle='--', label='Overbought threshold')
plt.axhline(y=30, color='green', linestyle='--', label='Oversold threshold')
plt.legend()
plt.show()

在这个程序中，我们首先将原始数据转换为TA-Lib所需的格式，然后计算了5日和10日SMA以及14日的RSI。最后，我们用matplotlib绘制了股票价格、移动平均线和RSI图表。