如何将多个文件作为单独的数据帧读取并在列上执行计算？

Question

我计算单个股票的回报如下：

data = pd.read_csv(r'**file**.csv')

data.index = data.Date

data['Return %'] = data['AAPL'].pct_change(-1)*100

data

输出：

    Date    AAPL    Return %

Data            

2020-09-11  2020-09-11  56.00   0.000000

2020-09-10  2020-09-10  56.00   -3.879162

2020-09-09  2020-09-09  58.26   2.138850

2020-09-08  2020-09-08  57.04   -2.211555

2020-09-04  2020-09-04  58.33   0.882048

2020-09-03  2020-09-03  57.82   -3.585126

2020-09-02  2020-09-02  59.97   -0.133222

现在，我保存了许多其他 csv 文件作为股票代码，我想使用这些代码中的每一个来执行上述相同的计算。最重要的是，我想打印每个符号回报的最佳日期的报告。

如果需要更多详细信息，请告诉我。

Answer 1

我认为数据的最佳选择是将文件读入数据帧字典中。使用pathlib和.glob创建所有文件的列表使用字典理解来创建数据帧的字典。字典可以按照字典的标准方式进行迭代，使用dict.items().df_dict[k]对每个数据帧进行寻址，其中k是字典键，即文件名。从你的上一个问题来看，我希望.csv用一列而不是两列读入文件Date。每个文件的数字数据应位于索引 0 的列中，之后Date设置为索引。由于每个文件的列名称都不同，因此最好使用.iloc对列进行寻址。:表示所有行，0是数值数据的列索引。df_dict.keys()将返回所有键的列表使用 单独访问数据框df_dict[key]。import pandas as pdfrom pathlib import Path# create the path to the filesp = Path('c:/Users/<<user_name>>/Documents/stock_files')# get all the filesfiles = p.glob('*.csv')# created the dict of dataframesdf_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 .ilocfor k, df in df_dict.items():    df_dict[k]['Return %'] = df.iloc[:, 0].pct_change(-1)*100