2. 处理缺失的收盘价数据

任务说明

本案例处理一份包含股票代码、交易日期和收盘价的历史行情数据，其中收盘价字段存在缺失值。目标是对缺失的收盘价进行识别，并采用前向填充（ffill）或线性插值（linear interpolation）两种方法完成填补，最终输出处理后的完整数据集，并对比两种方法的差异。

数据准备

为便于独立复现，直接构造一份包含缺失值的样例数据。数据共10个交易日，股票代码为000001.SZ，其中第3、第6、第8天的收盘价缺失。

import pandas as pd
import numpy as np

# 构造含缺失收盘价的样例数据
df = pd.DataFrame({
    'ts_code': ['000001.SZ'] * 10,
    'trade_date': pd.date_range('2024-01-02', periods=10, freq='D'),
    'close': [10.5, 10.8, np.nan, 11.2, 11.0, np.nan, 11.5, np.nan, 11.8, 12.0]
})
print("原始数据：")
print(df)
print("\n缺失值数量：", df['close'].isna().sum())

缺失值识别与处理

首先识别缺失值位置，然后分别用前向填充和线性插值生成两个新列，最后对比结果。

# 识别缺失位置
missing_mask = df['close'].isna()
print("缺失值所在行索引：", df.index[missing_mask].tolist())

# 方法一：前向填充（用上一个有效值填充）
df['close_ffill'] = df['close'].ffill()

# 方法二：线性插值（按索引等距插值）
df['close_interp'] = df['close'].interpolate(method='linear')

# 查看处理结果
print("\n处理后的数据：")
print(df[['trade_date', 'close', 'close_ffill', 'close_interp']])

结果对比与判定

前向填充将缺失值替换为最近的前一个有效收盘价；线性插值则根据缺失值前后两个有效值按时间等距计算中间值。两种方法填补后的数据均可直接用于后续计算收益率或技术指标。判定处理成功的标准为：close_ffill和close_interp两列均无缺失值，且close_ffill中第3天值为10.8（取自第2天），close_interp中第3天值为11.0（10.8与11.2的均值）。

# 验证：处理后无缺失
assert df['close_ffill'].notna().all(), "前向填充仍有缺失"
assert df['close_interp'].notna().all(), "插值仍有缺失"
print("\n验证通过：两种方法均已完成缺失值填补，无剩余缺失。")
print("前向填充第3天值：", df.loc[2, 'close_ffill'])
print("线性插值第3天值：", df.loc[2, 'close_interp'])

预期输出

根据上述代码逻辑，可唯一推出以下结果：

原始数据：
   ts_code  trade_date  close
0  000001.SZ  2024-01-02   10.5
1  000001.SZ  2024-01-03   10.8
2  000001.SZ  2024-01-04    NaN
3  000001.SZ  2024-01-05   11.2
4  000001.SZ  2024-01-06   11.0
5  000001.SZ  2024-01-07    NaN
6  000001.SZ  2024-01-08   11.5
7  000001.SZ  2024-01-09    NaN
8  000001.SZ  2024-01-10   11.8
9  000001.SZ  2024-01-11   12.0

缺失值数量： 3
缺失值所在行索引： [2, 5, 7]

处理后的数据（部分）：
   trade_date  close  close_ffill  close_interp
0  2024-01-02   10.5         10.5          10.5
1  2024-01-03   10.8         10.8          10.8
2  2024-01-04    NaN         10.8          11.0
3  2024-01-05   11.2         11.2          11.2
4  2024-01-06   11.0         11.0          11.0
5  2024-01-07    NaN         11.0          11.25
6  2024-01-08   11.5         11.5          11.5
7  2024-01-09    NaN         11.5          11.65
8  2024-01-10   11.8         11.8          11.8
9  2024-01-11   12.0         12.0          12.0

落地与运行方式

本案例代码依赖 pandas 和 numpy。将上述代码依次粘贴至Python环境（如Jupyter Notebook或脚本文件）运行即可。若处理真实数据，只需将df替换为从CSV或数据库读取的DataFrame，并确保包含close列即可复用同样的处理逻辑。