我之前也碰到过一模一样的情况！其实问题出在Quandl返回的WIKI股票数据（比如你用的SLB斯伦贝谢数据）的日期序列上：它只包含交易日，周末、节假日都没有数据，属于不连续的DatetimeIndex。而pd.infer_freq需要日期序列是严格连续、有固定间隔的才能准确推断，这种有缺失的交易日序列它识别不出来，自然返回空；df.index.freq更不用说了，只有当索引创建时就指定了频率，或者后续手动设置过，才会有值，Quandl默认不会给你做这一步。

既然你已经知道数据是每日（工作日）频率，这里给你几个实用的解决办法：

1. 手动给索引设置频率属性 #

如果只是想让df.index.freq能返回对应的频率值，直接手动设置就行——注意股票数据用工作日频率'B'更贴合实际，要是你非要标记为日历日频率就用'D'：

# 设置为工作日频率（更符合股票交易数据的实际）
df.index.freq = 'B'
# 或者强制设置为日历日频率
# df.index.freq = 'D'

# 现在再调用就能拿到结果了
print(df.index.freq)

执行后会输出<BusinessDay>（对应'B'）或者<Day>（对应'D'），完美解决无返回的问题。

2. 补全缺失日期并自动设置频率 #

如果需要把数据转换成连续的日历日序列（缺失日期的数值填充NaN），用asfreq方法就行，它会自动给索引加上freq属性：

# 转换为连续的日历日序列，缺失值填充NaN
df_daily = df.asfreq('D')
# 现在查看频率
print(df_daily.index.freq)  # 输出<Day>

这样处理后，数据变成了完整的每日序列，索引的频率也明确了。

3. 直接输出已知的频率信息 #

要是你只是需要在代码里输出频率提示，既然已经确定是daily（工作日），直接打印就行，简单粗暴：

print("当前数据集的频率为：daily（工作日交易日）")

另外可以给你个小验证技巧，看看相邻日期的间隔分布，就能确认大部分是1天（工作日）：

# 查看相邻日期的间隔统计
print(df.index.to_series().diff().value_counts())

你会看到大部分间隔是1天，少数是2天（周末）或者更长（节假日），这也能佐证数据的每日（工作日）特性。

内容的提问来源于stack exchange，提问作者a_jelly_fish