按日期设置索引并分组后仅返回NaN值的Pandas问题

你的代码出现全NaN的原因有两个：

1. 分组逻辑错误：仅按token_address分组，计算的是该token所有日期的整体中位数，而非每日每个token的中位数，不符合需求。
2. 索引不匹配：groupby('token_address')['close'].median()返回的结果以token_address为索引，原DataFrame用默认数字索引，pandas无法将两者对齐，因此填充NaN。

正确解法 #

方法1：用transform直接生成对应列（推荐） #

transform会保留原DataFrame的索引结构，直接将分组计算的中位数映射到每一行：

df['date'] = pd.to_datetime(df['date'])
df['median'] = df.groupby(['token_address', 'date'])['close'].transform('median')

方法2：先计算中位数表再合并 #

如果需要单独保存每日每个token的中位数结果，可先分组计算，再通过merge合并回原表：

df['date'] = pd.to_datetime(df['date'])
# 计算每日每个token的中位数并重置索引
median_df = df.groupby(['token_address', 'date'])['close'].median().rename('median').reset_index()
# 合并到原表
df = df.merge(median_df, on=['token_address', 'date'], how='left')

执行后，median列会正确显示对应日期、对应token的close价格中位数。

内容的提问来源于stack exchange，提问作者Olive