testseq=range(0,400) testseq=pd.Series(testseq) print(testseq) print('测试均值函数') print(TS_AVERAGE(testseq,20)) TS_AVERAGE(testseq,20).to_csv('测试均值函数.csv') print('测试加权标准差') print(TS_wgdStd(testseq,number=20,halflife=30)) TS_wgdStd(testseq,20,30).to_csv('测试加权标准差.csv')

根据你提供的代码，我注意到你使用了 `pd.Series` 来创建了一个 pandas 的 Series 对象 `testseq`。然而，在调用 `TS_wgdStd` 函数时，你将 `testseq` 作为参数传递，但该函数期望的参数类型是 numpy 数组而不是 pandas Series 对象。

为了解决这个问题，你可以使用 `testseq.values` 来获取 `testseq` 的底层 numpy 数组，然后将其传递给 `TS_wgdStd` 函数。以下是修正后的代码：

import pandas as pd
import math
import numpy as np

def TS_AVERAGE(series, number):
    # 实现 TS_AVERAGE 函数的代码...

def TS_wgdStd(series, number, halflife):
    # 实现 TS_wgdStd 函数的代码...

testseq = range(0, 400)
testseq = pd.Series(testseq)
print(testseq)
print('测试均值函数')
print(TS_AVERAGE(testseq.values, 20))
TS_AVERAGE(testseq.values, 20).to_csv('测试均值函数.csv')
print('测试加权标准差')
print(TS_wgdStd(testseq.values, number=20, halflife=30))
TS_wgdStd(testseq.values, 20, 30).to_csv('测试加权标准差.csv')

在修正后的代码中，我们通过 `testseq.values` 获取了 `testseq` 的底层 numpy 数组，并将其传递给了 `TS_AVERAGE` 和 `TS_wgdStd` 函数。这样可以确保参数类型正确，并且可以顺利运行代码。