如何将多个文件作为单独的数据帧读入，并对一列执行计算？

Question

我计算的单一股票回报率如下：

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文件作为股票符号，我想使用这些符号中的每一个来执行上述相同的计算。 除此之外，我还想打印一份报告，列出每一天中最好的一天

如果需要更多的细节，请让我知道

提前谢谢

Answer 1

• 我认为对您的数据来说，最好的选择是将文件读入数据帧字典。
  • 使用pathlib和.glob创建所有文件的列表
  • 使用dict理解创建数据帧的dict
• 可以使用dict.items()以字典的标准方式对字典进行迭代
• df_dict[k]为每个数据帧寻址，其中k是dict键，即文件名
• 从上一个question开始，我希望.csv文件将以一个Date列而不是两个列读入
• 将Date设置为索引后，每个文件的数字数据应位于索引0处的列中。
  • 由于每个文件的列名不同，因此最好使用^{}来寻址该列
  • :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df_dict[key]单独访问数据帧

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