无NaN却出现“Mean of empty slice”警告的原因及解决办法

你这段代码的警告核心是布尔索引的对齐错误：
你用的keptdata.price != 0是针对整个原DataFrame的布尔筛选条件，但前面的keptdata.iloc[i-500:i].price只是原数据的一个子切片。当用全局的布尔序列去筛选子切片的列时，两者的索引范围不匹配，会导致筛选后可能出现空的数值序列——np.average遇到空序列就会抛出RuntimeWarning: Mean of empty slice的警告，哪怕你确认了原数据无NaN也没用。

除了抑制警告，有几个更合理的修正方式：

• 修正布尔索引的范围：把非零判断限定在当前截取的子切片里，确保筛选条件和目标列的索引完全匹配：

  avg = np.average(keptdata.iloc[i-500:i].price[keptdata.iloc[i-500:i].price != 0])
  

  这样只会筛选子切片里的非零price，不会出现索引错位导致的空序列（如果子切片里全是0，那你可以根据业务逻辑加个兜底判断，比如设avg为0或者前一次的平均值）。

• 改用Pandas的mean方法替代np.average：Pandas的mean()方法遇到空序列时会返回NaN，不会抛出警告，之后你可以根据需求处理NaN值：

  subset_price = keptdata.iloc[i-500:i].price[keptdata.iloc[i-500:i].price != 0]
  avg = subset_price.mean() if not subset_price.empty else 0  # 这里的0可以换成你需要的默认值
  

• 提前生成子切片再操作：先截取子DataFrame，再统一处理，代码可读性更高：

  subset = keptdata.iloc[i-500:i]
  non_zero_prices = subset[subset.price != 0]['price']
  avg = np.average(non_zero_prices) if not non_zero_prices.empty else 0
  

内容的提问来源于stack exchange，提问作者Allure