将数据框添加到特定列下的另一个数据框答案

【问题标题】：adding a dataframe to another dataframe under a specific column将数据框添加到特定列下的另一个数据框
【发布时间】：2022-01-03 10:44:51
【问题描述】：

我是 pandas 的新手，我一直坚持将数据帧的内容添加到另一个数据帧的任务。我正在使用返回数据框的 yfinance 库获取代码的历史数据

def get_fin_data(ticker):
  temp = mean_df[ticker].dropna()
  dates = [date.strftime("%Y-%m-%d") for date in temp.index.tolist()]
  start_end_dates = update_start_end_dates([dates[0], dates[-1]])
  data = yf.download(ticker, start=start_end_dates[0], end=start_end_dates[1])
  return data

for ticker in tickers:
  df_eod_price = get_fin_data(ticker)
  df_eod_price2 = df_eod_price.drop(['Open', 'High','Low','Close','Volume'], axis=1) # drop unwanted rows
  df_eod_price2['Returns'] = df_eod_price2['Adj Close']/df_eod_price2['Adj Close'].shift(1) - 1 # calculate daily returns  
  print(df_eod_price2.head())

我想将这些价格数据添加到我在以下数据框中拥有的相关代码中。

mean_df = df.groupby(['ticker', 'date']).mean()
print(mean_df)

【问题讨论】：

标签： python pandas dataframe

【解决方案1】：

如果您仍在寻找解决方案：

我假设您的基本数据框 df_mean 看起来像：

                   compound
ticker date                
AMZN   2021-11-17         1
       2021-11-18         2
       2021-11-19         3
       2021-11-22         4
       2021-11-23         5
FB     2021-11-22         1
       2021-11-23         2

我还假设ticker 类似于包含股票代码字符串的列表：

ticker = ["AMZN", "FB"]

然后你可以这样做：

dates = pd.to_datetime(df_mean.index.get_level_values("date"))
start, end = dates.min().date(), (dates.max() + pd.Timedelta(days=1)).date()
df = (
    yf.download(ticker, start=start, end=end)
      .stack(level=1)
      .drop(columns=["Close", "High", "Low", "Open", "Volume"])
      .rename(columns={"Adj Close": "returns"})
      .reorder_levels([1, 0])
      .sort_index(level=0)
)
df.index = df.index.rename(["ticker", "date"])

这是一次下载，而不是每个股票一个。因此start/end 值基于date 列的min/max。（这可能会下载比需要更多的数据。）

结果如下：

                       returns
ticker date                   
AMZN   2021-11-17  3549.000000
       2021-11-18  3696.060059
       2021-11-19  3676.570068
       2021-11-22  3572.570068
       2021-11-23  3580.040039
FB     2021-11-17   340.769989
       2021-11-18   338.690002
       2021-11-19   345.299988
       2021-11-22   341.010010
       2021-11-23   337.250000

现在merge 的结果是df_mean

df_mean = df_mean.merge(df, on=["ticker", "date"], how="left")

或设置

df_mean["returns"] = df.returns

然后计算收益

df_mean.returns = df_mean.groupby("ticker").returns.pct_change()

结果df_mean：

                   compound   returns
ticker date                          
AMZN   2021-11-17         1       NaN
       2021-11-18         2  0.041437
       2021-11-19         3 -0.005273
       2021-11-22         4 -0.028287
       2021-11-23         5  0.002091
FB     2021-11-22         1       NaN
       2021-11-23         2 -0.011026

【讨论】：

你是个传奇！谢谢