横向合并DataFrame时为列名添加股票名称以实现列名唯一

我通过for循环结合字典获取多只股票的DataFrame，代码框架如下：

d={}
fullset= pd.DataFrame ()
for name in stocklist:
    # 获取单只股票数据并存入d[name]的逻辑

目前使用以下代码横向合并数据集：

fullset= pd.concat([fullset, d[name]], axis=1)

所有数据集的列头完全相同，我需要在合并时将股票名称（即循环中的name变量）追加到对应DataFrame的每一列列名前，生成类似SPX-High、SPX-Low、Dow-High的列名。

*注：我了解层级列索引的方案，但未能成功实现；且后续需运行机器学习模型，不确定层级索引的兼容性，因此更倾向于直接为列名添加股票名称前缀。此前尝试使用concat的keys参数（如keys=d[name]）及直接引用name变量，均未达到预期效果。

方式一：循环内修改列名后合并 #

在循环中先为单只股票的DataFrame列名添加前缀，再执行合并操作：

d = {}
fullset = pd.DataFrame()
for name in stocklist:
    # 此处补充获取单只股票数据并存入d[name]的代码
    # 示例：d[name] = yf.download(name, start='2020-01-01', end='2024-01-01')
    
    # 为列名添加股票名称前缀
    d[name].columns = [f"{name}-{col}" for col in d[name].columns]
    # 合并到fullset
    fullset = pd.concat([fullset, d[name]], axis=1)

方式二：批量合并后扁平化列名（更高效） #

若已将所有股票数据存入字典d，可一次性完成合并，再将层级列索引转为带前缀的普通列名，避免循环内反复concat的性能损耗：

# 假设字典d已包含所有股票的DataFrame
fullset = pd.concat(d.values(), axis=1, keys=d.keys())
# 将层级列索引转换为"股票名称-列名"格式
fullset.columns = [f"{stock}-{col}" for stock, col in fullset.columns]

这种方式在股票数量较多时，效率远高于循环逐次合并。

内容的提问来源于stack exchange，提问作者Trav