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