Python Pandas交易策略转C#实现：平移与滚动窗口后缺失空元素填充异常排查

我一看你这个问题就明白是怎么回事了——Python Pandas和你用的C#序列库在处理shift和rolling（对应C#的Shift和Window）时的行为差异导致的。Pandas会自动保留原数据的长度，用NaN填充前面的缺失部分；但你的C#库直接把长度不足的部分截断了，再加上FillMissing()只能补中间的空值，没法补开头的缺口，自然就出现了长度不匹配的问题。

问题根源拆解 #

你的原始序列长度是10180：

• Shift(20)会把数据向后挪20位，Pandas里前20个位置是NaN，但你的C#库直接去掉了前20个元素；
• 接着Window(48)（也就是12*60/15）需要至少48个元素才能计算第一个窗口的min/max，所以前47个窗口会被截断，又少了47个元素；
• 总共少了20+47=67个元素，所以处理后的序列长度变成10180-67=10113，和原序列长度对不上，后续交叉判断自然索引越界。

解决方案：手动补全开头的缺失值 #

我们需要手动给处理后的min和max序列开头补上对应数量的空值，让它们的长度和原始typicalPrice一致。具体步骤如下：

1. 先计算需要补充的空值数量：原始序列长度减去处理后序列的长度；
2. 用Enumerable.Repeat生成对应数量的null（模拟Pandas的NaN）；
3. 把空值序列和处理后的序列拼接，再按需填充缺失值。

修改后的C#代码片段 #

public override List<TradeAdvice> Prepare(List<OHLCV> candles)
{
    var result = new List<TradeAdvice>();
    var typicalPrice = candles.TypPrice().Select(e => e ?? 0).ToList();
    var typicalSma = typicalPrice.Sma(10);
    
    // 先定义移位和窗口大小，方便维护
    var shiftSize = 20;
    var windowSize = 12 * 60 / 15; // 48
    var series = typicalPrice.ToOrdinalSeries();

    // 先获取窗口计算后的min和max（此时长度是10113）
    var minWindowed = series.Shift(shiftSize).Window(windowSize).Select(kvp => kvp.Value.Min());
    var maxWindowed = series.Shift(shiftSize).Window(windowSize).Select(kvp => kvp.Value.Max());

    // 计算需要补充的空值数量：原始长度 - 处理后的长度
    var padCount = typicalPrice.Count - minWindowed.Count();

    // 开头补充padCount个null，再拼接处理后的序列，最后填充缺失值
    var min = Enumerable.Repeat<decimal?>(null, padCount).Concat(minWindowed).FillMissing();
    var max = Enumerable.Repeat<decimal?>(null, padCount).Concat(maxWindowed).FillMissing();

    var dailyMean = (max + min) / 2;
    var asd = dailyMean.SelectValues(e => Convert.ToDecimal(e)).Values.ToList();
    
    // 现在asd的长度和typicalPrice一致了，不会再索引越界
    var crossedBelow = asd.CrossedBelow(typicalPrice);
    var crossedAbove = asd.CrossedAbove(typicalPrice);

    for (int i = 0; i < candles.Count; i++)
    {
        if (i < StartupCandleCount - 1)
            result.Add(TradeAdvice.WarmupData);
        else if (crossedBelow[i])
            result.Add(TradeAdvice.Buy);
        else if (crossedAbove[i])
            result.Add(TradeAdvice.Sell);
        else
            result.Add(TradeAdvice.NoAction);
    }
    return result;
}

额外注意事项 #

• 如果你后续用到typicalSma，也要检查它的长度：Pandas的SMA(10)前9个值是NaN，如果你的C#Sma(10)直接截断了前9个元素，那也要用同样的方式补9个null，保证长度一致；
• FillMissing()的填充逻辑要和原Python代码对齐：原Python代码里daily_mean的前67个值是NaN，如果你的策略不需要填充这些值，可以去掉FillMissing()，直接保留null，避免改变原策略逻辑；
• 测试时要重点对比前67个元素的处理结果，确保和Python输出一致，这是最容易出问题的地方。

内容的提问来源于stack exchange，提问作者nop