问题分析 #

你遇到的TypeError核心原因很明确：TA-Lib的EMA函数要求real参数必须是numpy.ndarray类型，但你传入的df["Close"]被识别为DataFrame对象（正常情况下df["Close"]应该是pandas Series，可能是版本兼容或隐式类型转换的问题，导致TA-Lib无法自动识别处理）。

解决方法 #

只需要将df["Close"]转换为numpy数组即可，同时我们可以顺便消除yfinance的FutureWarning，以下是两种可行的修正方案：

方案1：显式转换为numpy数组（官方推荐）

使用pandas的.to_numpy()方法将列转换为numpy数组，这是pandas官方推荐的方式（替代旧的.values属性，避免潜在的类型警告）：

import yfinance as yf
from datetime import datetime, timedelta
import talib
import pandas as pd  # 引入pandas用于后续结果转换（可选）

tday = datetime.today()
startDay = tday - timedelta(days=365)

# 显式指定auto_adjust参数，消除yfinance的FutureWarning
df = yf.download("AAPL", start=startDay, end=tday, auto_adjust=True)

# 将Close列转换为numpy数组后传入TA-Lib计算EMA
ema_array = talib.EMA(df["Close"].to_numpy(), timeperiod=5)

# 可选：将结果转回pandas Series，与原数据索引对齐（方便后续分析/绘图）
ema_series = pd.Series(ema_array, index=df.index, name="EMA_5")
print(ema_series.tail())  # 查看最后5个周期的EMA结果

方案2：确保传入的是Series并兼容TA-Lib

如果你的TA-Lib版本理论上支持pandas Series，但当前报错说明无法自动转换，你可以先确认df["Close"]的类型，再用.values转成数组：

# 先检查输入类型，确保是Series而非DataFrame
print(type(df["Close"]))  # 正常输出应为 <class 'pandas.core.series.Series'>

# 若为Series，直接用.values转成numpy数组传入
ema_array = talib.EMA(df["Close"].values, timeperiod=5)

额外说明 #

1. 消除yfinance的FutureWarning
   提示里的警告是因为yfinance的download方法默认auto_adjust参数从False改为True，你只需要显式指定auto_adjust=True（或你需要的False）就可以消除这个警告。

2. 为什么会出现DataFrame类型错误？
   如果你不小心把代码写成了df[["Close"]]（双重括号），就会返回DataFrame而非Series，这时候需要改成单括号df["Close"]再转数组。可以通过print(df["Close"].shape)确认：Series的形状是(n,)，而DataFrame是(n,1)。

3. 结果的后续处理
   TA-Lib返回的是纯numpy数组，如果你需要和原股票数据的日期索引对齐，建议将结果转回pandas Series，这样后续做数据合并、可视化会更方便。

运行修改后的代码后，就能成功计算出AAPL股票的5周期EMA了。