将黄金数据重索引至DateTimeIndex后价格全为NaN问题求助

核心原因1：时区不匹配 #

你的原数据索引是带UTC时区的datetime对象（因为用了pd.to_datetime(utc=True)），但pd.date_range生成的years是**无时区（naive）**的datetime，两者索引类型不兼容，导致reindex时完全匹配不到，所以Price列全为NaN。

解决方法：统一时区 #

给pd.date_range指定UTC时区，或者移除原数据索引的时区：

• 方法1：生成带UTC时区的日期范围

years = pd.date_range('01/01/1950', '01/01/2020', freq='YS', tz='UTC')
reindexed = gold.reindex(years)

• 方法2：移除原数据索引的时区

gold = gold.tz_localize(None)  # 去掉UTC时区
years = pd.date_range('01/01/1950', '01/01/2020', freq='YS')
reindexed = gold.reindex(years)

核心原因2：原数据无对应日期记录 #

即使时区统一了，如果原数据中没有每年1月1日的黄金价格记录，reindex的严格匹配还是会返回NaN。这时候需要用填充或匹配最近值的方式处理：

解决方法：填充缺失值或匹配最近日期 #

• 方法1：用前向填充（ffill）/后向填充（bfill）补全NaN

# 统一时区后，用前向填充，取上一条有效数据的值
reindexed = gold.reindex(years, method='ffill')
# 或后向填充，取下一条有效数据的值
reindexed = gold.reindex(years, method='bfill')

• 方法2：匹配最近的日期（更精准，适合金融数据）
  用pd.merge_asof找到每年1月1日之前最近的有效数据：

years_df = pd.DataFrame({'Date': years})
# 确保原数据索引是datetime（无时区或与时区统一）
gold_reset = gold.reset_index()
# 按日期匹配最近的前序数据
merged = pd.merge_asof(years_df, gold_reset, on='Date', direction='backward')
merged = merged.set_index('Date')

生成折线图 #

处理完数据后，直接用pandas绘图：

merged['Price'].plot(figsize=(10,6), title='Gold Price on Jan 1st (1950-2020)')

内容的提问来源于stack exchange，提问作者Toaster