如何在Pandas中依据股价DataFrame空值清除滚动和DataFrame对应值

核心方法（支持批量处理数百列） #

直接利用pandas.DataFrame.where()方法，基于股价DataFrame的非缺失值标记，过滤滚动和DataFrame的无效值：

# 生成清理后的滚动和DataFrame，df中为空的位置对应df1置空
df_cleaned = df1.where(df.notna())

方法说明 #

• df和df1的索引、列完全匹配，df.notna()会生成一个与两者形状一致的布尔矩阵，标记所有股价非空的位置
• where()会保留布尔矩阵中True位置的df1原值，将False位置（即股价为空）置为NaN，完美实现需求
• 该方法无需循环，原生支持批量处理任意数量的列，效率极高

你之前代码的问题 #

1. 错误填充缺失值：df = df.fillna(0)把原本的缺失值转为0，后续转布尔值时会把0判定为False，如果股价本身存在合法的0值，会误删对应滚动和数据
2. 错误替换逻辑：df2.where(df_bool, False)将不符合条件的位置设为False而非空值，不符合需求

示例验证 #

构造你提供的示例数据并运行上述代码：

import pandas as pd
import numpy as np

# 构造股价DataFrame
df = pd.DataFrame(
    {'Stock A': [23, 25, 21, np.nan, np.nan, np.nan]},
    index=pd.date_range('2022-12-10', periods=6)
)

# 构造滚动和DataFrame
df1 = pd.DataFrame(
    {'Rolling sum': [0.54, 0.55, 0.51, 0.49, 0.48, 0.47]},
    index=pd.date_range('2022-12-10', periods=6)
)

# 清理无效值
df_cleaned = df1.where(df.notna())
print(df_cleaned)

输出结果与你期望的完全一致：

内容的提问来源于stack exchange，提问作者Pythonnewbie