如何解决pandas循环计算股票EMA时dataframe自动追加数据的问题

你贴出的check_for_ema_validity校验函数逻辑本身没有问题，数据持续累加的根源来自你调用的make_time_series函数实现：

• 最常见的情况是make_time_series内部使用了全局DataFrame变量存储拉取的时序数据，每次调用新股票代码时没有清空原有数据，直接将新股票的数据追加到全局变量后返回，导致返回的结果行数持续累加
• 另一种高频错误场景是make_time_series使用了可变默认参数作为结果容器（比如def make_time_series(ticker, res=pd.DataFrame()):），Python的可变默认参数仅在函数定义时初始化一次，后续所有调用都会复用同一个对象，也会出现数据累加的问题

优先修改make_time_series的实现即可解决问题，两种修改方式二选一：

1. 移除函数内部的全局DataFrame变量，每次调用时都初始化一个全新的空DataFrame来存储当前股票的时序数据，处理完成后返回新的DataFrame对象
2. 如果是可变默认参数导致的问题，将默认值改为None，在函数内部初始化结果容器，示例修改如下：

# 错误写法（可变默认参数）
def make_time_series(ticker, result=pd.DataFrame()):
    # 拉取数据、拼接数据到result的逻辑
    return result

# 正确写法
def make_time_series(ticker, result=None):
    # 每次调用都初始化新的空容器
    if result is None:
        result = pd.DataFrame()
    # 拉取数据、拼接数据到result的逻辑
    return result

如果暂时不方便修改make_time_series的实现，可以在校验函数中临时做切片处理，比如已知单只股票的时序数据固定为186行，就每次取返回结果的最后186行使用：

required_data = make_time_series(ticker).drop_duplicates().iloc[-186:]

该方案仅作临时验证使用，长期还是建议修改make_time_series的实现从根源解决问题。

内容的提问来源于stack exchange，提问作者pillai