pandas groupby后nth(-2)取倒数第二行返回NaN问题排查

赋值后pClose全为NaN的核心是索引对齐逻辑不匹配，附带一个分组键的潜在隐患：

• 长度不匹配：df.groupby('day').nth(-2)['Close']返回的是长度等于交易日分组数的Series，索引为day值，每个day仅对应1条倒数第二行的收盘价；但原DataFrame是5分钟级别数据，每个交易日对应几十上百条K线记录，总长度远大于分组数。pandas做列赋值时会按索引精准匹配，每个day分组下仅1行能匹配到返回值，其余所有行都会被填充为NaN。你贴出的运行结果是按day分组聚合后只展示每组首行的预览，自然所有行的pClose都是NaN。
• 分组键隐患：直接用df.index.day提取天数做分组键，跨月时会把不同月份相同日期的K线错误分到同一组，比如7月7日和8月7日的day值都是7，会被混在一起计算。

用transform实现分组值的广播对齐，同时优化分组键避免跨月分组错误：

import pandas as pd
from dateutil.relativedelta import relativedelta
import yfinance as yf
import datetime 

ticker = 'f'
df = yf.download(
    tickers = ticker,
    start=datetime.datetime.now()-relativedelta(days=6),
    end= datetime.datetime.now(),
    interval="5m",
    progress = False
)
# 用完整年月日作为分组键，避免跨月同日混淆
df['trade_date'] = df.index.date
# transform会把分组计算结果广播到组内所有行，自动对齐原表索引
df['pClose'] = df.groupby('trade_date')['Close'].transform(lambda x: x.iloc[-2])
# 如需保留原有day字段可单独添加
df['day'] = df.index.day

逻辑说明 #

• transform和直接返回聚合值的nth不同，它会保持和原DataFrame完全一致的长度，把每个分组计算得到的单值填充到该组对应的所有行，从根源上解决索引对齐失败的问题
• 分组内取倒数第二行收盘价用x.iloc[-2]实现，和你原本预期的nth(-2)逻辑完全一致
• 运行后每个交易日下的所有5分钟K线行，pClose列都会对应该交易日倒数第二根5分钟K线的收盘价，符合预期需求。

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