股票成交量突破计算异常：Python rolling均值返回NaN，结果全为No

你的代码问题核心出在两个点：

1. Rolling窗口逻辑与Excel不匹配：Excel公式里用的是当日之前21天的成交量平均值（I3:I24是I2的前21行，不含当日），但Pandas默认的rolling(window=21).mean()是包含当前行在内的21行数据的平均值；如果你的日期数据是从新到旧排序的，rolling的计算方向会完全颠倒。
2. NaN值的成因：average_volume全为NaN，要么是VOLUME列本身有大量缺失值，要么是数据排序错误导致rolling窗口无法获取有效历史数据。

步骤1：确保数据按日期从旧到新排序 #

先检查并修正日期列的排序（假设日期列名为DATE）：

# 转换日期列为datetime类型（若未转换）
df['DATE'] = pd.to_datetime(df['DATE'])
# 按日期从旧到新排序，重置索引
df = df.sort_values('DATE').reset_index(drop=True)

步骤2：修正Rolling平均值计算逻辑 #

要实现Excel中“过去21日（不含当日）平均值”的逻辑，需用shift(1)将rolling结果偏移一行，对应取当前行之前的21天数据：

import pandas as pd
import numpy as np

def add_vol_breakout_column(self, df):
    # 确保日期排序正确
    df['DATE'] = pd.to_datetime(df['DATE'])
    df = df.sort_values('DATE').reset_index(drop=True)
    
    # 计算过去21日（不含当日）的成交量平均值
    # rolling(21)取当前行及前20行，shift(1)后变为当前行之前的完整21行数据
    average_volume = df['VOLUME'].rolling(window=21).mean().shift(1)
    
    # 处理前21行的NaN（无足够历史数据，默认标记为No）
    volume_breakout = df['VOLUME'] > (average_volume * 3)
    df['VolBrkOut'] = np.where(volume_breakout.fillna(False), 'Yes', 'No')
    
    print(f"Updated DataFrame:\n{df}")
    return df

步骤3：排查VOLUME列缺失值 #

若仍出现大量NaN，先检查成交量列的缺失情况：

print("VOLUME列缺失值数量:", df['VOLUME'].isna().sum())

如果有缺失值，可选择填充或删除缺失行：

# 用0填充缺失值
df['VOLUME'] = df['VOLUME'].fillna(0)
# 或删除包含缺失值的行
df = df.dropna(subset=['VOLUME'])

修改后，第22行（索引21）的VolBrkOut计算逻辑，完全对应Excel公式=IF(I22>(AVERAGE(I1:I21)*3),"Yes","No")的逻辑，和你最初的需求一致。

内容的提问来源于stack exchange，提问作者drk