如何在空单元格中填充数据框内容NA值？

Question

我有一个数据框 df:

                  Open    Volume  Adj Close     Ticker  
Date                                                                   
2006-11-22  140.750000   45505300   114.480649   SPY 

我想将 df 更改为另一个数据框 开盘价如下：

                  SPY    AGG  
Date                                                                   
2006-11-22  140.750000   NA

它只使用open的数据和两个ticker，那么如何将一个数据帧更改为另一个数据帧？

Answer 1

假设您有一个数据框列表 df_list 用于不同的股票代码，并且列表中的每个项目与您的示例中的 df 外观相同

您可以先将它们连接到一个框架中

df1 = pd.concat(df_list)

然后用

df1[["Open", "Ticker"]].reset_index().set_index(["Date", "Ticker"]).unstack()

它应该给你一个类似的输出

            Open
Ticker      AGG     SPY
Date        
2006-11-22  NAN  140.75

Answer 2

我认为您可以通过tickerL 的列表将DataFrame 构造函数与reindex 一起使用：

L = ['SPY','AGG']
df1 = pd.DataFrame({'SPY': [df.Open.iloc[0]]}, 
                   index=[df.index[0]])

df1 = df1.reindex(columns=L)
print (df1)
               SPY  AGG
2006-11-22  140.75  NaN

您可以使用read_html 查找Tickers 的列表：

df2 = pd.read_html('https://en.wikipedia.org/wiki/List_of_S%26P_500_companies', header=0)[0]
#print (df2)

#filter only Ticker symbols starts with SP
df2 = df2[df2['Ticker symbol'].str.startswith('SP')]
print (df2)
    Ticker symbol                  Security SEC filings  \
407           SPG  Simon Property Group Inc     reports   
415          SPGI          S&P Global, Inc.     reports   
418          SPLS              Staples Inc.     reports   

                GICS Sector               GICS Sub Industry  \
407             Real Estate                           REITs   
415              Financials  Diversified Financial Services   
418  Consumer Discretionary                Specialty Stores   

       Address of Headquarters Date first added      CIK  
407      Indianapolis, Indiana              NaN  1063761  
415         New York, New York              NaN    64040  
418  Framingham, Massachusetts              NaN   791519  

#convert column to list, add SPY because missing
L = ['SPY'] + df2['Ticker symbol'].tolist() 
print (L)
['SPY', 'SPG', 'SPGI', 'SPLS']

df1 = pd.DataFrame({'SPY': [df.Open.iloc[0]]}, 
                   index=[df.index[0]])

df1 = df1.reindex(columns=L)
print (df1)
               SPY  SPG  SPGI  SPLS
2006-11-22  140.75  NaN   NaN   NaN