深圳融克迪特科技有限公司

1. 本节目标

本讲是 AkShare 入门短课的收束课，目标非常具体：把前面已经拿到并整理好的行情表交给 pandas，计算一列 5 日均线，并确认这个结果能被肉眼检查、能被继续保存，也能作为后续更复杂分析的起点。这一讲的重点不在于发明新指标，而在于第一次把“数据获取”和“数据计算”真正接起来。

学完这一讲后，先把下面三件事做扎实：

1. 从一张 AkShare 行情表里找出收盘价列。
2. 用 pandas 生成 5 日均线列。
3. 判断前几行为什么会出现空值，以及这是不是正常现象。

这一步之所以重要，是因为它意味着你已经从“会拿数据”正式走到“会在数据上做第一步计算”。

2. 为什么第 8 讲用 5 日均线收尾

5 日均线不是最复杂的指标，但它非常适合作为入门收尾，因为它同时满足几个条件：

1. 逻辑直观，容易肉眼理解。
2. 只依赖一列收盘价，不需要复杂前置条件。
3. 一旦算出来，你马上就能看到前几行空值、后面逐步稳定的结果，这对理解滚动窗口非常有帮助。

换句话说，第 8 讲重点不在于教你一个“厉害的策略指标”，更在于让你第一次完整体验：拿表、看列、转型、滚动计算、解释结果。这个闭环走通了，后面换成 10 日均线、收益率、波动率，方法都会类似。

3. 先拿一张已经整理过的工作表

这一讲最适合直接复用第 5 讲或第 6 讲的结果。例如：

import pandas as pd

ma_df = preview_df.copy()

如果你是从 CSV 读回来的，也可以：

ma_df = pd.read_csv("sample_stock_daily.csv")

但无论是哪种方式，开始计算前都建议先确保：

ma_df["日期"] = pd.to_datetime(ma_df["日期"], errors="coerce")
ma_df["收盘"] = pd.to_numeric(ma_df["收盘"], errors="coerce")

因为均线计算能不能稳，核心前提不是接口，而是这两列是否已经进入可计算状态。

4. 四步算出第一列 5 日均线

这四步分别对应排序、计算、对照和理解空值来源。只要顺序不乱，第一列均线通常都能很快走通。

5. 先按日期排序

滚动计算最怕顺序乱。所以真正开始算均线前，先把表按日期排好：

ma_df = ma_df.sort_values("日期").reset_index(drop=True)

如果你省掉这一步，即使代码能运行，结果也可能在顺序上不可信。入门阶段一定要先把“顺序正确”这件事看得比“代码跑通”更重要。

6. 执行滚动均值计算

ma_df["ma_5"] = ma_df["收盘"].rolling(window=5).mean()

这就是本讲最核心的一行。它的含义非常朴素：从第 5 个样本开始，每一行都用当前行及之前 4 行的收盘价求平均。

7. 同时查看原始收盘价和均线列

print(ma_df[["日期", "收盘", "ma_5"]].head(10))

不要只看 ma_5 一列。把原始收盘价和均线放在一起看，才能真正理解这列新结果是从哪里来的。

8. 观察前几行为什么为空

滚动窗口为 5 时，前 4 行没有足够历史值，所以会是空值：

print(ma_df["ma_5"].head(6))

这不是失败，反而是你理解滚动计算逻辑的第一道关。很多新手第一次看到前几行是空的，会误以为计算错了。第 8 讲就是要把这个误会提前消掉。

9. 怎样确认 5 日均线真的算对了

均线算对没算对，最直观的检查就是看列是否生成、窗口空值是否符合预期，以及后面是否开始出现有效数值。

10. 新列已经生成

assert "ma_5" in ma_df.columns

11. 前 4 行为空是正常现象

assert ma_df["ma_5"].head(4).isna().all()

12. 第 5 行开始出现有效值

assert pd.notna(ma_df.loc[4, "ma_5"])

13. 均线列不是全空

assert ma_df["ma_5"].notna().sum() > 0

14. 头部打印出来能看懂关系

print(ma_df[["日期", "收盘", "ma_5"]].head(10))

如果你已经能肉眼看出“均线比原始价格更平滑”，本讲就不仅是把代码跑出来，而是真的开始理解结果。

15. 为什么均线看起来“不对”

第一次做滚动计算时，很多“不对劲”其实不是算法错，而是输入列或顺序没有先理顺。

16. 前几行是空值

这是滚动窗口的正常结果，不是 bug。窗口长度为 5，就意味着前 4 行凑不够一组完整平均值。

17. 收盘列转型后有很多空值

这通常说明收盘列内容并不是纯数值，或者你拿错了列。先回到第 5 讲的结构检查，再决定是不是字段名没对上。

18. 均线结果和你想象不一致

先检查排序是否正确，再检查是不是把非收盘列拿来做了滚动平均。很多“均线不对”其实是数据顺序不对，而不是 rolling 算法错了。

19. 从 CSV 读回后计算报错

这通常是因为读回后的“日期”“收盘”还是字符串。只要在计算前先 to_datetime() 和 to_numeric()，大多数问题都能消掉。

20. 哪些情况仍然算完成本讲

1. 你算出的列名不一定非要叫 ma_5，只要语义清楚就行。
2. 你可以在股票表上算，也可以在指数表上算。本讲训练的是滚动均值，不是某个特定标的。
3. 前几行出现空值不算失败，反而是本讲必须理解的正常现象。
4. 你不必在这一讲里顺便构造交易信号，当前只要把均线列稳定算出来就够了。

21. 写一个最小均线函数

import pandas as pd

def add_ma5(df: pd.DataFrame, price_col: str = "收盘") -> pd.DataFrame:
    out = df.copy()
    out[price_col] = pd.to_numeric(out[price_col], errors="coerce")
    out["ma_5"] = out[price_col].rolling(window=5).mean()
    return out

ma_df = add_ma5(ma_df)
print(ma_df[["日期", "收盘", "ma_5"]].head(10))

这段函数很短，但已经足够支撑你把“拿到表”和“算出第一列指标”连接起来。它是整套 AkShare 入门短课最自然的收束动作。

22. 生成一张带 5 日均线的新表

建议用 10 分钟做一个收尾练习：

1. 选一张前面已经整理过的行情表。
2. 计算 ma_5。
3. 打印日期、收盘、ma_5 三列的前 10 行。
4. 写一句说明：前 4 行为空为什么是正常的。
5. 如果愿意，再把这张新表保存成一个新 CSV。

做到这一步，你就已经完整体验了“从接口拿数据到第一次指标计算”的闭环。

23. 这一整套短课收在哪一句话上

如果你现在能说出这句话，AkShare 入门短课的收尾就算完成：

“我已经能用 AkShare 拿到行情数据，用 pandas 整理结构、保存 CSV、排查常见问题，并计算出第一列 5 日均线。”

这句话听起来朴素，但它正好把这 8 讲真正该交给新手的东西都串起来了。

24. 手工核一次第 5 个均线值

如果你想把第 8 讲练得更扎实，最推荐的动作不是马上加更多指标，而是手工核一次第 5 个均线值。因为第 5 行正好是第一行拥有完整 5 个样本窗口的位置，非常适合做最小验证。

你可以这样做：

check_rows = ma_df.loc[0:4, ['日期', '收盘']]
print(check_rows)
print('手工平均值 =', check_rows['收盘'].mean())
print('程序给出的 ma_5 =', ma_df.loc[4, 'ma_5'])

当你看到这两个值一致时，你会对 rolling 结果建立非常直接的信任。对新手来说，这种“手工核一条”的体验比抽象记住 rolling(window=5).mean() 更有帮助，因为它让你真正明白程序输出不是黑盒子，而是你能解释清楚的计算结果。

25. 为什么先做均线而不是立刻做交易信号

第 8 讲虽然是收束课，但它仍然刻意停在“先把第一列指标算清楚”。原因很简单：很多人学量化时会太急，拿到表后马上就想做买点卖点、收益曲线、回测绩效，结果前面的输入和指标本身都还没验证。这样后面一旦结果不对，就很难知道是哪里出了偏差。

而第 8 讲选择先把 5 日均线单独拿稳，有两个明显好处：

1. 你对滚动窗口的逻辑建立了第一层理解。
2. 你为后续的信号判断准备了一个清晰、可复查的中间变量。

当这一步稳了，你以后换成 10 日均线、20 日均线，甚至更复杂指标，也是在同一条路径上扩展，而不是重新开始。

26. 结果解读时可以重点看哪几处

本讲除了看代码运行，还很适合训练最基本的结果解读习惯。建议你重点观察三件事：

1. ma_5 相比 收盘 更平滑，这是滚动平均最直观的表现。
2. 前 4 行为空，说明窗口长度确实在起作用。
3. 当价格连续上行或下行时，均线会比价格反应更慢。

你甚至可以加一小段打印，把最近几行单独拉出来看：

print(ma_df[['日期', '收盘', 'ma_5']].tail(8))

这样你会更容易看到均线在尾部如何跟随价格变化。这种“对结果有肉眼解释”的能力，对后面做信号和回测非常重要。

27. 这套方法怎么扩展到后续练习

第 8 讲虽然只算了 5 日均线，但它已经给你留出了很自然的扩展路径。最直接的两个方向是：

1. 把 window=5 改成 10，比较短均线和长均线的平滑程度差异。
2. 在保留 ma_5 的基础上，再加一列简单收益率或涨跌幅，看看指标和价格变化之间的关系。

比如：

ma_df['ma_10'] = ma_df['收盘'].rolling(window=10).mean()
print(ma_df[['日期', '收盘', 'ma_5', 'ma_10']].tail(10))

注意，第 8 讲并不要求你现在就把这些扩展全部做完。这里更重要的是让你看见：从 AkShare 拿到的一张表，已经可以非常自然地继续衍生出更多分析列。

28. 把第 8 讲和前面 7 讲连起来看

如果你回头看，会发现这一讲其实把整套短课都串起来了：

1. 第 1 讲解决安装和跑通第一段代码。
2. 第 2 到第 4 讲解决“拿到几类常见表”。
3. 第 5 讲解决“把表看清楚”。
4. 第 6 讲解决“把表存下来”。
5. 第 7 讲解决“遇到问题如何缩小范围”。
6. 第 8 讲最终把这些步骤接成“算出第一列有解释力的指标”。

也正因为如此，第 8 讲虽然表面上只是一列均线，但它其实是整套入门短课真正形成闭环的地方。

29. 系列衔接

本讲是《AkShare数据获取入门短课》的第 8/8 讲，当前主题是《联动pandas算5日均线》。

上一讲：第 7 讲《排查空数据和字段报错》。

这是本系列的收束课，目标是把“拿到数据”推进到“做出第一列可解释的指标”，为后续更复杂的数据清洗和研究动作打下基础。

30. 风险揭示与免责声明