我有一个带有代码列和日期列的数据框表。我想计算相应日期的股票价格答案

【问题标题】：I have a dataframe table with a ticker column and a date column. I want to calculate the price of the ticker at the corresponding date我有一个带有代码列和日期列的数据框表。我想计算相应日期的股票价格
【发布时间】：2022-01-09 17:01:39
【问题描述】：

这里是指定为df的表格：

id	ticker	date
1	PLTR	2022-01-07
2	GME	2022-01-06
3	AMC	2022-01-06
4	GOOD	2022-01-07
5	GRAB	2022-01-07
6	ALL	2022-01-06
7	FOR	2022-01-06

我想要这样的东西：

id	ticker	date	Price
1	PLTR	2022-01-07	$16.56
2	GME	2022-01-06	$131.03
3	AMC	2022-01-06	$22.46
4	GOOD	2022-01-07	$24.76
5	GRAB	2022-01-07	$6.81
6	ALL	2022-01-06	$122.40
7	FOR	2022-01-06	$21.26

我试过 df['Price'] = yf.download(df['ticker'],df['date'])['Close'] 使用雅虎财务工具但收到错误： AttributeError：“系列”对象没有属性“拆分”

我也尝试了 pandas_datareader（作为 web 导入），得到了同样的错误： df.assign(Price=web.DataReader(list(df.ticker('\n')), 'yahoo', list(df.date)))['Close']

任何建议/想法我做错了什么？

【问题讨论】：

您编写代码的问题是d[f'ticker] 和df['date] 产生了一个熊猫系列对象。您需要逐行递增 df 以提取特定数据上某个项目的股票价格。
您能否添加一些示例数据，所以您的问题是reproducible？
数据框正好是第一个表

标签： python pandas dataframe date

【解决方案1】：

import pandas as pd
import pandas_datareader.data as web

tickers = list(df.ticker)

prices = ( web.DataReader(tickers, data_source='yahoo', start=df.date.min().date(), end=df.date.max().date() )['Close']
   .reset_index()
   .melt(id_vars=['Date'])
   .rename(columns={'Symbols':'ticker', 'Date':'date'})
)

prices:

	date	ticker	value
0	2022-01-06 00:00:00	PLTR	16.74
1	2022-01-07 00:00:00	PLTR	16.56
2	2022-01-06 00:00:00	GME	131.03
3	2022-01-07 00:00:00	GME	140.62
4	2022-01-06 00:00:00	AMC	22.46
5	2022-01-07 00:00:00	AMC	22.99
6	2022-01-06 00:00:00	GOOD	25.03
7	2022-01-07 00:00:00	GOOD	24.76
8	2022-01-06 00:00:00	GRAB	6.65
9	2022-01-07 00:00:00	GRAB	6.81
10	2022-01-06 00:00:00	ALL	122.4
11	2022-01-07 00:00:00	ALL	125.95
12	2022-01-06 00:00:00	FOR	21.26
13	2022-01-07 00:00:00	FOR	20.19

现在合并它们：

df.merge(prices, on=['ticker','date'], how='left')

	id	ticker	date	value
0	1	PLTR	2022-01-07 00:00:00	16.56
1	2	GME	2022-01-06 00:00:00	131.03
2	3	AMC	2022-01-06 00:00:00	22.46
3	4	GOOD	2022-01-07 00:00:00	24.76
4	5	GRAB	2022-01-07 00:00:00	6.81
5	6	ALL	2022-01-06 00:00:00	122.4
6	7	FOR	2022-01-06 00:00:00	21.26

【讨论】：