mplfinance绘制散点图遇ValueError：零尺寸数组求最大值无单位元

问题核心 #

当down_pip_diff_signal数组全为np.nan时，mplfinance的make_addplot无法生成有效的散点图——因为散点图要求至少存在一个非空数据点，全空数组会触发报错。

解决方案 #

方案1：提前判断有效数据，按需生成散点图

先优化原函数的逻辑（用向量操作替代循环，提升效率同时更易判断数据有效性），再在生成散点图前检查是否存在有效信号：

import numpy as np
import pandas as pd

def get_down_pip_diff(diff, price):
    # 用numpy向量操作替代循环，直接生成信号数组
    signal = np.where(diff < 0, price * 1.018, np.nan)
    return signal

# 生成信号
down_pip_diff_signal = get_down_pip_diff(df['Pip_Diff'], df['close'])

# 检查是否存在非nan的有效数据
has_valid_points = not pd.isna(down_pip_diff_signal).all()

# 仅当有有效数据时，才创建散点图的addplot对象
addplots = []
if has_valid_points:
    addplots.append(
        mpf.make_addplot(
            down_pip_diff_signal, 
            type='scatter', 
            panel=0, 
            markersize=100, 
            marker='o', 
            color='r'
        )
    )

# 绘制图表时传入addplots
mpf.plot(df, addplot=addplots, ...)  # 补充你的其他绘图参数

方案2：全空时返回空数组，让mplfinance自动忽略

如果希望保持函数调用流程不变，可以修改函数，当检测到全空数组时返回空列表，mplfinance会自动跳过该散点图的绘制：

def get_down_pip_diff(diff, price):
    signal = np.where(diff < 0, price * 1.018, np.nan)
    # 若全为nan，返回空数组
    if pd.isna(signal).all():
        return []
    return signal

# 后续调用流程不变
down_pip_diff_signal = get_down_pip_diff(df['Pip_Diff'], df['close'])
mpf.make_addplot(down_pip_diff_signal, type='scatter', panel=0, markersize=100, marker='o', color='r')

补充优化说明 #

原函数的循环写法在处理大数据集时效率较低，改用np.where的向量操作能大幅提升运行速度，同时更符合pandas/numpy的惯用处理逻辑。

内容的提问来源于stack exchange，提问作者StuartM