将OHLC数据收盘价转为以timestamp为索引的Series时出现NaN问题

我有一个包含OHLC数据的DataFrame，需要将收盘价转换为以timestamp列为索引的Pandas Series。

从SQLite数据库读取数据的代码如下：

conn = sql.connect('allStockData.db') 
price = pd.read_sql_query("SELECT * from ohlc_minutes", conn)
price['timestamp'] = pd.to_datetime(price['timestamp'])

DataFrame的输出示例（部分数据）：

timestamp  open   high   low  close  volume  trade_count      vwap symbol  volume_10_day
0     2022-09-16 08:00:00+00:00  3.19  3.570  3.19  3.350   66475          458  3.404240   AAOI            NaN
1     2022-09-16 08:05:00+00:00  3.35  3.440  3.33  3.430   28925          298  3.381131   AAOI            NaN
...
8763  2022-09-08 23:55:00+00:00  1.36  1.360  1.33  1.340   21394           32  1.348223   RUBY       515994.5

当尝试用以下代码转换时，返回结果全为NaN：

price = pd.Series(price['close'], index=price['timestamp'])

但去掉index参数后，能正常获取收盘价数据：

price = pd.Series(price['close'])

请问如何正确将收盘价列转换为以timestamp列为索引的Pandas Series？

出现全NaN的核心原因是：price['close']本身带有原DataFrame的整数索引，使用pd.Series(..., index=price['timestamp'])时，Pandas会尝试将新的timestamp索引与原Series的整数索引对齐，因两者无法匹配，最终返回全NaN。

以下是几种可行的解决方法：

方法1：先设置DataFrame索引再提取Series #

将timestamp设为DataFrame的索引，再直接提取close列即可得到目标Series：

# 修改原DataFrame
price.set_index('timestamp', inplace=True)
close_series = price['close']

# 不修改原DataFrame的写法
close_series = price.set_index('timestamp')['close']

方法2：重置收盘价Series的索引 #

先提取close列，再用set_index替换索引为timestamp：

close_series = price['close'].set_index(price['timestamp'])

方法3：直接传入数值数组绕过索引对齐 #

使用values属性获取收盘价的原始数值数组，避免原索引的干扰：

close_series = pd.Series(price['close'].values, index=price['timestamp'])

内容的提问来源于stack exchange，提问作者a7dc