使用for循环拼接Pandas Series时返回空值，寻求解决方案

你的空值问题大概率是因为每次调用doAnalitica返回的DataFrame（a.df）索引不一致导致的——不同股票的交易日期可能不完全重叠，用outer join合并时，没有对应日期的位置就会自动填充NaN。下面给你几个针对性的解决方案：

1. 先收集所有列再一次性合并（推荐，效率更高） #

与其在循环里一次次concat，不如先把所有需要的列收集到列表里，最后一次性合并，还能灵活控制索引的对齐方式：

import pandas as pd

columns_list = []
# 遍历每个symbol
for i in fiancial['symbol'][::100]:
    a = day.doAnalitica(i, '119', '3M')
    # 重命名Close列为"Close + 股票代码"，并添加到列表
    renamed_col = a.df['Close'].rename(f'Close {i}')
    columns_list.append(renamed_col)

# 一次性合并：用join='inner'只保留所有股票都有数据的日期（避免空值）
# 如果需要保留所有日期，就用join='outer'，之后可以按需填充空值
df1 = pd.concat(columns_list, axis=1, join='inner')

如果用join='outer'保留所有日期，你可以后续用df1.fillna(method='ffill')（向前填充）或者df1.fillna(0)等方式处理空值，根据你的业务需求选择。

2. 对齐到基准索引 #

如果希望所有列都对齐到某一个基准的日期索引（比如第一只股票的日期范围），可以这样做：

import pandas as pd

# 先处理第一个symbol，初始化df1并获取基准索引
symbols = fiancial['symbol'][::100]
first_i = symbols.iloc[0]
a_first = day.doAnalitica(first_i, '119', '3M')
df1 = a_first.df['Close'].rename(f'Close {first_i}').to_frame()

# 遍历剩下的symbol
for i in symbols[1:]:
    a = day.doAnalitica(i, '119', '3M')
    renamed_col = a.df['Close'].rename(f'Close {i}')
    # 将当前列对齐到df1的索引，缺失的位置自动补NaN（也可以用dropna丢弃不匹配的）
    aligned_col = renamed_col.reindex(df1.index)
    df1 = pd.concat([df1, aligned_col], axis=1)

这种方式能保证所有列的索引和第一只股票完全一致，避免新增额外的日期索引。

3. 处理单只股票自身的空值 #

如果空值是某只股票自身数据里存在的缺失（不是日期不匹配导致的），可以在收集列的时候先清洗：

# 示例：丢弃空值行
renamed_col = a.df['Close'].rename(f'Close {i}').dropna()

# 或者用均值填充
renamed_col = a.df['Close'].rename(f'Close {i}').fillna(a.df['Close'].mean())

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