我計算單個股票的回報如下：data = pd.read_csv(r'**file**.csv')data.index = data.Datedata['Return %'] = data['AAPL'].pct_change(-1)*100data輸出： Date AAPL Return %Data 2020-09-11 2020-09-11 56.00 0.0000002020-09-10 2020-09-10 56.00 -3.8791622020-09-09 2020-09-09 58.26 2.1388502020-09-08 2020-09-08 57.04 -2.2115552020-09-04 2020-09-04 58.33 0.8820482020-09-03 2020-09-03 57.82 -3.5851262020-09-02 2020-09-02 59.97 -0.133222現在，我保存了許多其他 csv 文件作為股票代碼，我想使用這些代碼中的每一個來執行上述相同的計算。最重要的是，我想打印每個符號回報的最佳日期的報告。如果需要更多詳細信息，請告訴我。
1 回答
冉冉說
TA貢獻1877條經驗 獲得超1個贊
我認為數據的最佳選擇是將文件讀入數據幀字典中。
使用
pathlib和.glob創建所有文件的列表使用字典理解來創建數據幀的字典。
字典可以按照字典的標準方式進行迭代，使用
dict.items().df_dict[k]對每個數據幀進行尋址，其中k是字典鍵，即文件名。從你的上一個問題來看，我希望
.csv用一列而不是兩列讀入文件Date。每個文件的數字數據應位于索引 0 的列中，之后
Date設置為索引。由于每個文件的列名稱都不同，因此最好使用
.iloc對列進行尋址。:表示所有行，0是數值數據的列索引。
df_dict.keys()將返回所有鍵的列表使用 單獨訪問數據框
df_dict[key]。
import pandas as pd
from pathlib import Path
# create the path to the files
p = Path('c:/Users/<<user_name>>/Documents/stock_files')
# get all the files
files = p.glob('*.csv')
# created the dict of dataframes
df_dict = {f.stem: pd.read_csv(f, parse_dates=['Date'], index_col='Date') for f in files}
# apply calculations to each dataframe and update the dataframe
# since the stock data is in column 0 of each dataframe, use .iloc
for k, df in df_dict.items():
? ? df_dict[k]['Return %'] = df.iloc[:, 0].pct_change(-1)*100
添加回答
舉報
0/150
提交
取消