正确计算移动平均线需先用rolling(window=...)构建窗口再调用mean()，window为整数或时间字符串（如'20D'），min_periods控制NaN数量，索引须为排序后的DatetimeIndex；EMA用ewm(span=)实现；多指标用agg()一次性计算。
用 rolling() 计算移动平均线，别直接套 mean()
移动平均线本质是窗口内均值，但直接对 Series 调用 mean() 不会生效——它没指定窗口。必须先用 rolling(window=...) 构建滚动窗口对象，再链式调用 mean()、std() 等聚合方法。
常见错误：写成 df['close'].mean().rolling(20)（顺序反了），或漏掉 min_periods 导致开头一堆 NaN。
-
window是整数，表示向前包含的期数（含当前行），比如rolling(20)表示 20 日均线 -
min_periods设为1可让首日就有值（用单日数据计算），设为None或不填则默认等于window，前window-1行全为NaN - 时间序列若未按时间排序，
rolling()仍按行序计算，不是按时间顺序——务必先用sort_index()或set_index('date').sort_index()
示例：
df['ma_20'] = df['close'].rolling(window=20, min_periods=1).mean()
处理非等距时间序列：用 rolling('20D') 替代固定行数
股价数据常有节假日缺失，固定 20 行 ≠ 20 个交易日。这时该用基于时间偏移的窗口，如 '20D'（20 天）、'3M'（3 个月）。
立即学习“Python免费学习笔记（深入）”；
前提：索引必须是 DatetimeIndex，且数据已按时间升序排列。否则 rolling('20D') 会静默失效，结果和 rolling(20) 一样。
-
'20D'包含当前时刻往前推 20 天内的所有数据点，不管中间有多少空值或缺失日期 - 注意单位大小写：
'20d'无效，必须大写'D'；'20h'、'7D'、'1M'都合法 - 性能略低于固定窗口，尤其数据量大时，因需对每行重新定位时间范围
示例：
df.index = pd.to_datetime(df.index)<br>df = df.sort_index()<br>df['ma_20d'] = df['close'].rolling('20D').mean()
ewm() 计算指数加权移动平均（EMA），权重衰减更合理
传统 MA 对窗口外数据突然截断，EMA 用衰减系数让历史数据平滑影响递减，更符合金融场景直觉。Pandas 中用 ewm() 实现，核心参数是 span 或 alpha。
别混淆 span 和窗口长度：20 日 EMA 的 span=20，对应衰减系数 alpha = 2/(span+1) ≈ 0.095，不是简单除以 20。
-
adjust=True（默认）让权重归一化，更稳定；False则按原始指数公式，早期值影响略小 -
ignore_na=True（默认）跳过NaN计算，适合含缺失值的行情数据 - EMA 结果无前置
NaN（首行即有值），但首几项受初始化方式影响，和主流交易软件可能差 1–2 位小数
示例：
df['ema_20'] = df['close'].ewm(span=20, adjust=True).mean()
多个指标一次性计算：避免重复遍历，用 agg() 合并操作
如果同时要算 MA、标准差、最大值，别写三行 rolling(...).mean()、.std()、.max()——Pandas 会三次扫描数据，O(3n) 时间复杂度。用 agg() 一次搞定。
注意：agg() 返回的是 DataFrame，列名默认是函数名字符串，需手动重命名或用字典映射。
- 传入列表：
rolling(20).agg(['mean', 'std', 'max'])→ 列名为'mean'、'std'、'max' - 传入字典：
rolling(20).agg({'ma': 'mean', 'volatility': 'std'})→ 自定义列名 - 混合函数与 lambda：
rolling(20).agg({'range': lambda x: x.max() - x.min(), 'count': 'count'})
示例：
stats = df['close'].rolling(20).agg(['mean', 'std'])<br>df['ma_20'] = stats['mean']<br>df['std_20'] = stats['std']
实际跑起来你会发现，rolling('20D') 在跳空日多的 A 股数据里比 rolling(20) 更贴近实盘逻辑，但调试时容易忽略索引类型是否为 DatetimeIndex——一旦是 RangeIndex，带时间单位的窗口就退化成普通整数窗口，还不出错、不报警。
