如何用Python将标普500数据中Open列的0值替换为前一日Close值？

你用iterrows()循环赋值不生效，核心原因是：iterrows()返回的每一行row是原DataFrame的副本，不是直接引用原数据，所以你修改row['Open']只会改副本，原DataFrame根本没变化。

推荐方案：用pandas矢量化操作（高效且简洁） #

直接用mask()函数结合shift()实现，这是pandas原生的高效处理方式，比循环快N倍：

import pandas as pd

# 读取CSV数据
df = pd.read_csv('sp500_data.csv')

# 确保数据按日期排序（关键，不然shift取的不是前一日数据）
df = df.sort_values('Date')

# 把Open列的0值替换为前一日的Close值
df['Open'] = df['Open'].mask(df['Open'] == 0, df['Close'].shift(1))

• mask(条件, 替换值)：满足条件的位置会被替换成指定值
• shift(1)：取上一行的Close值，也就是前一日的收盘价

如果你坚持用循环的写法（不推荐，大数据集效率极低） #

要通过索引直接修改原DataFrame，而不是改循环里的row副本：

import pandas as pd

df = pd.read_csv('sp500_data.csv')
df = df.sort_values('Date')

for idx, row in df.iterrows():
    if row['Open'] == 0:
        # 通过loc定位原DataFrame的行和列进行修改
        df.loc[idx, 'Open'] = df.loc[idx-1, 'Close']

额外注意 #

如果第一行的Open就是0，shift(1)会得到NaN，这时候可以根据需求补充处理，比如用当天的Close值替换：

# 处理第一行的NaN情况
df['Open'] = df['Open'].fillna(df['Close'])

内容的提问来源于stack exchange，提问作者J.Billman