不同股票交易时间数不一致，筛选的时间早但表格无这个时间怎么解决 以及 交易时间存在，但停牌无数据null处理问题

对于不同股票交易时间数不一致的问题，你可以使用pandas的merge或join操作来合并不同股票的交易数据，并填充缺失值。

首先，你可以创建一个空的日期范围，包含你想要筛选的时间范围，然后使用merge或join操作将该日期范围与每个股票的交易数据进行合并。这样，即使某些股票在某些日期没有交易数据，也会在结果中保留该日期，并在对应的位置上填充缺失值。

以下是一个示例代码：

import pandas as pd

# 生成日期范围
start_date = 'yyyy-mm-dd' # 起始日期
end_date = 'yyyy-mm-dd' # 结束日期
dates = pd.date_range(start=start_date, end=end_date, freq='D')

# 创建一个空的DataFrame
result = pd.DataFrame({'trade_date': dates})

# 循环处理每个股票的交易数据
for code in industry_member_list:
    try:
        stock_daily = pd.read_sql('SELECT ts_code, trade_date, net_mf_amount FROM `{}`'.format(code), con=con6)
        
        # 合并数据
        result = pd.merge(result, stock_daily, on='trade_date', how='left')
    except:
        pass

# 填充缺失值
result.fillna(0, inplace=True) # 停牌时将缺失值填充为0

print(result)

这样，你将得到一个包含所有股票交易数据的DataFrame，每个股票的交易数据将按照日期进行对齐，并且缺失值将被填充为0。

请注意，这只是一个示例代码，具体实现可能需要根据你的数据结构和需求进行调整。如果你有具体的问题或需要更多的帮助，请告诉我。