深圳融克迪特科技有限公司
RONG CREDIT TECHNOLOGY CO., LTD.
基础入门
本讲用最小样本演示空字符串、类型转换失败和除零风险如何打断收益率脚本，并通过 try/except 与条件判断做基础防护，让初学者开始建立先清洗、再计算的处理习惯。
很多人在学 Python 量化入门时，前几讲会觉得一切都挺顺。价格列表干净、CSV 读写顺利、收益率函数也能输出结果，于是很容易形成一种错觉：只要公式和循环写对了，脚本自然就会一直跑下去。真实数据很快就会打破这种感觉。空字符串、缺失价格、上一日价格为 0，这些问题一点也不“高级”，却恰恰是最容易让入门脚本当场中断的常见事故。
这就是为什么第 7 讲必须单独讲异常处理。它不是一个可有可无的补丁，而是在帮你的脚本第一次建立基本的防守能力。也就是当坏样本出现时，程序不再只能直接崩掉，而是开始学会识别、跳过或提示。这种能力对量化小脚本非常重要，因为真实世界里的问题往往不是模型太难，而是输入太脏。只要这一层没有先守住，前面写得再整齐的循环和函数，也很容易在某个小脏值面前全部停住。
因此，第 7 讲真正要建立的，不是炫技式的异常语法，而是一种非常务实的程序意识：在真正开始计算前，先问问输入是不是值得直接算。
异常情况其实可以很多，但入门阶段没必要一上来就铺得太广。空值和除零之所以被放在这一讲一起讲，是因为它们恰好是最常见、最容易验证、也最容易让收益率脚本直接中断的两类问题。空值会在类型转换阶段就出事，除零则会在真正计算收益率时引发失败。它们出现的环节不同，但都属于“脚本还没来得及产出结果，就被迫停下来”的典型中断点。
把这两者放在一起讲，有一个很大的好处：你会更清楚地看到异常不是只有一种形态。有的异常来自输入压根不合法，比如空字符串根本不能转成浮点数；有的异常则来自输入虽然是数值，但在当前公式里不适合作为分母。只要你能把这两类问题分清，后面遇到别的异常时也更容易判断它到底属于哪一层。
所以第 7 讲并不是随机挑了两个问题，而是在刻意帮你建立一种分层视角：坏样本可能在进入计算前就该被拦下，也可能在计算阶段才被判定不适合继续用。
一旦数据可能带着空字符串或别的脏值，最不稳的做法就是一边循环算收益率，一边才临时发现某项根本转不成数值。更稳的顺序，是先把原始样本过一遍清洗：能转成浮点数的留住，不能转的先识别出来并处理掉，然后再把清洗后的序列交给收益率计算。这种两段式流程比把所有事情揉在一个循环里要清楚得多。
这个顺序之所以值得固定，不只是因为它能避免报错，更因为它在结构上把问题拆开了。第一段负责确认“输入值是不是可计算”，第二段负责真正执行收益率公式。只要这两段职责清楚，你后面无论增加日志、换别的清洗策略，还是进一步封装函数，都会自然很多。相反，如果从一开始就把清洗和计算揉在一起，代码很快就会变得难读，也更难定位问题到底发生在哪一层。
因此，第 7 讲里“先清洗再计算”的顺序，不该被理解成临时补锅，而应该被当成一个很值得延续的数据处理习惯。
很多初学者一接触异常处理，就容易把所有问题都往 try/except 里塞，好像只要能被 except 接住，脚本就算稳了。实际上，第 7 讲非常适合帮你看清：try/except 和普通条件判断虽然都能阻止程序崩掉，但它们解决的问题并不一样。try/except 更适合处理“程序一旦尝试执行某个动作就可能报错”的场景，比如把空字符串转成浮点数；而 if prev_price == 0 这种条件判断，则是在逻辑层面提前识别“这个值虽然合法，但不适合进入当前公式”。
把这两者分清非常重要。因为它会帮助你以后更自然地判断：这个问题是应该用异常机制去兜，还是应该用显式规则提前挡住。对当前收益率脚本来说，这种区分尤其清楚。空值属于类型转换失败，除零风险属于业务规则下不能继续算。两者若混成一类看，代码会显得很重，也更难解释。
所以第 7 讲其实不只是教你两种写法，而是在顺手建立一种更成熟的问题分类方式。只要这层分类建立起来，后面你写稳健代码时会省很多力气。
在某些严肃生产场景里，遇到坏数据完全可以选择立刻报错停下，让人来检查。但对当前这个入门系列来说，更适合作为第一步的策略，是在发现明显坏样本时先跳过，并保留简单提示，让脚本继续处理后面的可用数据。这样做有两个好处。第一，你能非常直观地看到保护逻辑是否真的生效，因为程序没有在中途崩掉。第二，它会让你第一次建立“单条坏样本不一定应该拖死整批处理”的感觉。
这种感觉对量化练习非常重要。因为现实里的数据问题经常不是整批都错，而只是个别记录不干净。若每次都只会一错就停，你会很难建立对整批数据处理的掌控感。当前用“跳过并提示”的方式，既保留了异常的可见性，又不会让流程完全断掉，是非常适合入门阶段的一种折中方式。
所以第 7 讲不是在教你忽略错误，而是在教你：面对最常见的小脏值，脚本应该先学会不被轻易击穿。
很多人一提异常处理，首先想到的是“防止程序崩”。这当然是其中一层意义，但对数据分析来说，更深一层其实是保护结果可信度。因为如果坏值直接混进收益率计算，你得到的不只是一个报错风险，还可能是一串看起来有结果、其实含义已经失真的输出。比如字符串没转好、分母为 0 却被粗暴处理，最终都会让结果解释变得不可靠。
所以第 7 讲的价值，不应只理解为“让程序继续运行”，而应理解为“确保进入计算层的样本至少满足最基本条件”。这是一种非常重要的数据防线意识。只要你在输入和计算之间先加上这道门，后面的结果即使还不完美，至少已经比完全裸奔式处理稳得多。
对量化入门来说，这种意识比学更多花哨功能更重要。因为真实研究里最让人头疼的，往往不是不会写公式，而是结果看着有，但你越来越不敢信。第 7 讲正是在帮你提前防止这种情况。
前几讲的代码更偏进攻，也就是假设输入大体正常，然后顺着逻辑推进。第 7 讲则第一次把另一种思路带进来：在计算之前，先预想最常见的失败点，然后主动加防守。这种写法有时被称为防守式编程。对入门者来说，这个概念听起来也许有点大，但在当前这节课里其实非常具体。你只是提前想了一步：如果有空字符串怎么办？如果分母等于 0 怎么办？
这种“先想失败点再开算”的习惯非常宝贵。因为它会让你逐渐摆脱一种幼稚状态：总以为只要理想样本能跑通，代码就算完成。真正更稳的脚本，往往是在理想路径之外，也给常见问题留了处理空间。第 7 讲正是第一次让你真实地体验这种差异。
从长期看，这种习惯会越来越有价值。哪怕以后你改用 pandas 或别的框架，防守式编程的思路依然会跟着你走。当前先在最小收益率脚本里练出来，非常合适。
只要空值和除零风险已经被挡在计算层之前，下一讲的摘要生成就会稳很多。因为摘要要基于价格、收益率和筛选结果做总结，如果底层结果还随时可能被坏样本打断，那摘要本身也很难站住。换句话说，第 7 讲相当于是在最后一讲之前，先把整条小工作流的稳健性补齐一层。
这也解释了为什么系列安排把异常处理放在倒数第二讲。前面先学会算、会筛、会读写；到了这里，再把整条链路最常见的脏值风险挡住；最后再去组织摘要，整个流程就会更像一条真正可用的小脚本，而不是只能在理想样本上跑的演示代码。
所以，第 7 讲虽然看起来像是在处理“问题情况”，其实是在给最后的结果组织做地基。只要这里先稳住，收尾那一讲会自然很多。
很多人第一次写异常处理时，容易把它理解成哪里报错就补哪里，好像只是给程序贴几个创可贴。第 7 讲更值得建立的认识是，防守并不是零碎补丁，而是工作流本身的要求。因为只要样本会来自文件、来自外部输入，就几乎一定会遇到空值、坏值或除零风险。只要这层现实感已经建立，你就会更自然地把防守动作提前到计算之前，而不是总等到报错以后再想办法。
这种认识非常关键。因为它会直接改变你写脚本的姿态。你不再只是追求“这次能跑”，而会开始追求“下次换一批样本也尽量稳”。
异常处理还有一个很实用的价值，就是在训练你把清洗层和计算层分开。遇到空值时，先决定要不要跳过、替换或拦下；遇到除零风险时，先在规则层做显式判断；等这些边界处理清楚以后，再把干净样本送进收益率计算。只要这种分层意识开始稳定，后面脚本就会明显更清楚，不会所有判断都缠在一团。
这层边界意识在后面会不断复用。因为只要数据世界不是理想的，你就总要面对“先挡住问题，再继续计算”这类判断。
如果这一讲已经真正落地，你通常会有一种很明确的完成感：你不再把报错看成偶然事故，而开始把它理解成输入层和计算层之间需要被认真处理的边界问题。你知道哪些问题该在清洗阶段拦下，哪些问题该在计算时显式判断，也知道为什么这些防守动作不能等到程序炸掉以后才想起来。只要这种边界感已经形成，说明异常处理已经从“补救动作”变成了工作流的一部分。
这种完成感非常有价值，因为它会直接让你后面的摘要输出更稳。只有底层已经不会轻易被坏样本打穿，最后的结果组织才真正可靠。
这一讲的重点，不只是让程序不要报错，而是让你的入门收益率脚本第一次具备基本的抗脏数据能力。你需要理解空值和除零虽然都可能中断脚本，但属于不同层次的问题，也要学会先清洗再计算、该用 try/except 的地方用异常保护、该用条件判断的地方用显式规则提前挡住。只要这些层已经建立起来，这一讲就真正完成了它的作用。
本讲是《Python量化入门短课》的第 7 讲，当前主题是《异常处理：避开空值和除零》。上一讲已经把价格样本写入 CSV 并成功读回，这一讲则开始让整条小流程具备对常见坏值的基本防守能力。下一讲会在此基础上生成一份更完整的行情摘要，把前面几讲得到的结果真正组织成一份可读输出。
风险揭示与免责声明
本页面内容仅用于量化研究与技术交流，旨在展示研究方法与流程，不构成对任何金融产品、证券或衍生品的要约、招揽、推荐或保证。
本文所涉历史数据、回测结果与示例参数不代表未来表现，也不应作为投资决策依据。
市场存在波动、流动性与执行偏差等不确定性，任何策略均可能出现收益波动或阶段性失效。
读者应结合自身风险承受能力进行独立判断，并在必要时咨询持牌专业机构意见。
