使用Pandas GroupBy计算高成交量日均值返回NaN问题排查

问题原因 #

你遇到的NaN问题有两个核心原因：

1. 索引不匹配：df.groupby('symbol')['volume'].mean()的结果是以symbol（ABC、AAA）为索引的Series，而high_volume_days的索引是原DataFrame的行号（0、4、5），Pandas无法自动对齐两者的索引，因此填充NaN。
2. 需求匹配错误：你的期望输出需要的是截至当前行，该symbol在高成交量交易日中的累计成交量均值，但原代码用了整个原始DataFrame的分组均值，既不符合需求，也无法正确赋值。

解决方法 #

使用groupby结合expanding().mean()计算组内滚动累计均值，同时重置索引确保与high_volume_days对齐：

# 计算截至当前行的组内累计成交量均值
high_volume_days['avg_volume_prior_days'] = high_volume_days.groupby('symbol')['volume'].expanding().mean().reset_index(level=0, drop=True)

代码解释 #

• expanding().mean()：对每个symbol分组，计算从组内第一行到当前行的成交量均值，完全匹配你的期望输出逻辑。
• reset_index(level=0, drop=True)：移除groupby生成的symbol层级索引，让结果的索引与high_volume_days保持一致，确保赋值时能正确对齐。

验证结果 #

运行上述代码后，输出将与你的期望完全一致：

date symbol  change    volume  previous_high_volume_day  avg_volume_prior_days
0  2022-01-01    ABC      20  20000000                       NaN                20000000.0
4  2022-01-05    AAA      50  40000000                       NaN                40000000.0
5  2022-01-06    AAA     100  60000000                40000000.0                50000000.0

内容的提问来源于stack exchange，提问作者a7dc