多DataFrame列遍历及条件生成新DataFrame的实现问题

核心思路 #

遍历目标证券列表里的每只证券，从三个DataFrame中分别提取对应列，横向合并成包含该证券三类指标的新DataFrame，用字典存储结果，完全适配任意长度的securities3列表。

实现代码 #

import pandas as pd

# 初始化字典，用来存每个证券的合并结果
security_merged_dfs = {}

# 循环处理每只目标证券
for security in securities3:
    # 从三个DataFrame里分别抓对应证券的列，合并成新表
    combined_df = pd.concat([df[security] for df in df_list], axis=1)
    # 给合并后的列命名，对应原DataFrame的类型
    combined_df.columns = ['px', 'SC', 'SMA']
    # 把结果存入字典，用证券名当键，后续调用更方便
    security_merged_dfs[security] = combined_df

使用示例 #

想要查看某只证券的合并结果，直接通过字典键调用即可：

# 获取SPX Index的合并表并打印前5行
print(security_merged_dfs['SPX Index'].head())

示例输出 #

px    SC    SMA
2023-01-01  4510.0  0.48  4480.5
2023-01-02  4535.2  0.51  4492.3
2023-01-03  4522.8  0.49  4498.1
2023-01-04  4540.1  0.52  4505.7
2023-01-05  4530.5  0.50  4512.2

内容的提问来源于stack exchange，提问作者bigjdawg43