求助：Pandas中行求和结果参与运算后生成全NaN数据框

你的问题出在pandas的运算对齐规则上：

• 左边的(tickers.pct_change().rolling(20).std())是一个DataFrame，行索引为日期，列是4个ticker代码。
• 右边的((tickers.pct_change().rolling(20).std()).sum(axis=1))是一个Series，索引为日期（与DataFrame的行索引一致），值是每行4个ticker波动率的总和。

当直接用/做除法时，pandas默认会尝试将Series的索引与DataFrame的列名对齐，但两者完全不匹配（Series索引是日期，DataFrame列是ticker），导致对齐失败，最终生成全NaN的结果。

修复代码 #

你可以用pandas的div()方法，明确指定按行索引对齐，让每行的每个波动率值除以该行的总和：

start_date = '1990-01-01'
ticker_list = ['SPY', 'QQQ', 'IWM','GLD']
tickers = yf.download(ticker_list, start=start_date)['Close'].dropna()

# 先计算一次滚动波动率，避免重复计算
rolling_vol = tickers.pct_change().rolling(20).std()
ticker_vol_share = rolling_vol.div(rolling_vol.sum(axis=1), axis=0)

另外，把滚动波动率的计算单独提取出来，既提升代码效率，也能避免重复计算可能带来的潜在问题。

内容的提问来源于stack exchange，提问作者geaa