WebSocket调用触发时DataFrame运算失效问题排查

• 强制捕获并打印异常细节
  WebSocket回调环境通常不会主动将异常暴露到控制台，在运算代码块外层包裹try-except，打印完整异常栈以定位问题：

  import traceback
  def function(data_table):
      print(1)
      try:
          data_table[('ret')] = np.log(data_table[('close')] / data_table[('close')].shift(1))
      except Exception as e:
          print(f"运算错误详情: {e}")
          traceback.print_exc()
      print(2)
      return data_table
  

  这能直接获取错误类型（如ValueError、TypeError）和具体出错位置。

• 检查实时DataFrame的状态
  在函数开头添加数据校验打印，对比实时数据与测试数据集的差异：

  def function(data_table):
      print(1)
      # 打印核心数据信息
      print(data_table.info())
      print(data_table[('close')].head())
      print(f"close列数据类型: {data_table[('close')].dtype}")
      print(f"数据总行数: {len(data_table)}")
      # 后续运算代码...
  

  重点排查：

  • 是否仅存在1行数据（shift(1)后会生成NaN，触发log运算异常）
  • close列是否为非数值类型（如字符串，无法执行除法运算）
  • close列是否包含NaN/inf等无效值

• 前置数据校验与清洗
  在运算前添加过滤逻辑，避免无效数据触发异常：

  def function(data_table):
      print(1)
      # 过滤缺失close值的行
      data_table = data_table.dropna(subset=[('close')])
      # 确保至少有2行数据才能计算shift后的收益率
      if len(data_table) < 2:
          print("数据量不足，无法计算收益率")
          print(2)
          return data_table
      # 后续运算代码...
  

• 验证回调环境的依赖可用性
  在函数开头检查numpy和pandas的加载状态，确认回调线程/进程中依赖正常初始化：

  def function(data_table):
      print(1)
      print(f"numpy版本: {np.__version__}")
      print(f"pandas版本: {pd.__version__}")
      # 后续运算代码...
  

  部分WebSocket框架会在隔离环境中运行回调，可能导致依赖未正确加载。

• 检查numpy异常处理设置
  临时开启numpy的强制异常抛出，将警告转为可捕获的异常：

  def function(data_table):
      print(1)
      np.seterr(all='raise')  # 让numpy对NaN/inf运算抛出明确异常
      try:
          data_table[('ret')] = np.log(data_table[('close')] / data_table[('close')].shift(1))
      except Exception as e:
          print(f"numpy运算错误: {e}")
      print(2)
      return data_table
  

内容的提问来源于stack exchange，提问作者PythNoob