Python时间序列Excel计算异常：特定时段收盘价差值呈NaN

核心问题排查方向 #

1. 索引/日期对齐失败 #

pandas列运算默认按索引对齐，如果df_1635和df_1625的日期索引不匹配（比如某日期仅存在于其中一个DataFrame，或datetime精度/时区不一致），就会生成NaN。

• 验证索引一致性：执行print(df_1635.index.equals(df_1625.index))，返回False则说明索引不匹配。
• 解决方法：
  • 统一datetime精度：用df['Date'] = df['Date'].dt.floor('min')将时间截断到分钟级，避免毫秒/微秒差异。
  • 按日期合并计算：放弃索引对齐，用pd.merge按Date列合并后再计算（见下方代码示例）。

2. 时段筛选逻辑错误 #

如果df_1635或df_1625的筛选条件写错，会导致其中一侧数据为空或日期不匹配：

• 检查筛选后的样本数据：执行print(df_1635.head())和print(df_1625.head())，确认两个DataFrame包含对应日期的时段数据。
• 修正筛选条件：用datetime时间属性精准筛选，比如：

  from datetime import time
  df_1635 = df[df['Date'].dt.time == time(16, 35)]
  df_1625 = df[df['Date'].dt.time == time(16, 25)]
  

3. 循环内逻辑错误 #

循环计算失效通常是变量覆盖、结果未正确存储或遍历逻辑错误：

• 打印循环中间变量：在循环内加入print(current_date, df_35.shape)，检查每次迭代的日期和数据是否符合预期。
• 避免变量覆盖：如果循环内每次重新赋值df_35，需用列表收集结果，比如：

  results = []
  for date in date_list:
      df_35 = df[df['Date'].dt.date == date]
      # 执行计算逻辑
      results.append(calculated_value)
  # 最后将结果转为DataFrame
  result_df = pd.DataFrame(results, columns=['diff'])
  

4. 原始数据空值影响 #

如果Close列本身存在空值，减法运算会直接生成NaN：

• 检查空值数量：执行print(df_1635['Close'].isna().sum())和print(df_1625['Close'].isna().sum())。
• 处理空值：根据业务需求用df['Close'].fillna(method='ffill')填充或df.dropna(subset=['Close'])删除缺失行。

推荐代码示例 #

按日期合并计算差值 #

from datetime import time

# 筛选两个时段的数据，仅保留Date和Close列
df_1635 = df[df['Date'].dt.time == time(16, 35)][['Date', 'Close']]
df_1625 = df[df['Date'].dt.time == time(16, 25)][['Date', 'Close']]

# 按Date列合并，仅保留双方都存在的日期
merged_df = pd.merge(df_1635, df_1625, on='Date', suffixes=('_1635', '_1625'))

# 计算差值
merged_df['diff_1635_1625'] = merged_df['Close_1635'] - merged_df['Close_1625']

统一索引后计算 #

from datetime import time

# 将Date列设为索引，确保两个DataFrame索引类型一致
df_1635 = df[df['Date'].dt.time == time(16, 35)].set_index('Date')
df_1625 = df[df['Date'].dt.time == time(16, 25)].set_index('Date')

# 重新索引，对齐到df_1635的索引，缺失值可根据需求填充
df_1625_aligned = df_1625.reindex(df_1635.index, fill_value=0)

# 计算差值
df_diff = df_1635['Close'] - df_1625_aligned['Close']

内容的提问来源于stack exchange，提问作者bean