Pandas按Date分组计算股票占比时日期列出现NaN的问题

哈哈，我一眼就瞅出问题出在哪啦！你的Date列显示NaN，主要是两个小失误：

• 分组的时候没必要把Date列放进聚合字段里呀！groupby('Date')已经把日期当成分组依据了，对Date列做count/sum完全没意义，反而会生成无效的NaN值。
• 后面用reset_index(level=0, drop=True)直接把分组的日期索引丢了，结果自然就没了正确的日期标识，Date列也就变成NaN咯。

修改后的代码 #

def count_number_of_stocks_above_mean(data_frame):
    # 先过滤掉权重为0的股票，这步没问题
    data_frame = data_frame.loc[data_frame['Port. Weight'] > 0]
    
    # 按日期分组，直接用size统计每组总股票数，自动保留Date作为索引
    total_stocks = data_frame.groupby('Date').size().rename('Total Stocks')
    
    # 按日期分组，对"Price above Mean"求和，统计高于均值的股票数量
    above_mean_stocks = data_frame.groupby('Date')['Price above Mean'].sum().rename('Stocks Above Mean')
    
    # 计算占比，保留4位小数，还能给列名起个直观的名字
    prct_above_mean = round(above_mean_stocks / total_stocks, 4).rename('Percent Above Mean')
    
    # 要是你想把Date从索引改成普通列，就解开下面这行注释
    # prct_above_mean = prct_above_mean.reset_index()
    
    return prct_above_mean

为啥这么改更靠谱？ #

• 用groupby('Date').size()统计总股票数，比你之前count多列高效多了，而且自动把Date设为索引，不会丢日期信息。
• 只针对Price above Mean列求和，避免了对Date列的无效操作，从根源上杜绝NaN的出现。
• 给每列重命名后，结果DataFrame的可读性拉满，一眼就能看懂每个字段的意思。

拿你给的示例数据测试的话，1989-02-09有2只股票，1只高于均值，结果会显示Date为1989-02-09，占比0.5，完全符合预期，Date列再也不会是NaN啦！

内容的提问来源于stack exchange，提问作者krakowi