如何合并Pandas股票子DataFrame并按日期排序及添加Symbol列

步骤分解 #

• 导入pandas库
• 初始化空列表存储每个股票的DataFrame
• 遍历股票代码列表，读取对应CSV文件，添加Symbol列后存入列表
• 合并所有子DataFrame为一个最终DataFrame
• 按Date列排序（需确保Date列是日期类型，避免字符串排序错误）

完整代码示例 #

import pandas as pd

# 目标股票代码列表
tickers = ['AAPL', 'TSLA', 'GOOG']
# 存储单股票DataFrame的容器
stock_dfs = []

for ticker in tickers:
    # 读取对应CSV文件（假设文件名为"股票代码.csv"，如AAPL.csv）
    single_stock_df = pd.read_csv(f'{ticker}.csv')
    # 为当前DataFrame添加Symbol列，值为对应股票代码
    single_stock_df['Symbol'] = ticker
    # 将处理后的DataFrame加入容器
    stock_dfs.append(single_stock_df)

# 合并所有单股票DataFrame
final_df = pd.concat(stock_dfs, ignore_index=True)

# 转换Date列为日期类型（关键步骤，保证排序逻辑正确）
final_df['Date'] = pd.to_datetime(final_df['Date'])

# 按Date列升序排序（旧日期在前）
final_df.sort_values(by='Date', inplace=True)

# 重置排序后的索引（可选，消除排序导致的索引混乱）
final_df.reset_index(drop=True, inplace=True)

补充说明 #

• 文件路径调整：如果CSV文件不在当前工作目录，需修改pd.read_csv的路径，比如pd.read_csv(f'./stock_data/{ticker}.csv')
• 自定义日期格式：若CSV中日期格式非标准（如dd/mm/yyyy），可在pd.to_datetime中指定格式：pd.to_datetime(final_df['Date'], format='%d/%m/%Y')
• 降序排序：若需要新日期在前，添加ascending=False参数：final_df.sort_values(by='Date', ascending=False, inplace=True)

内容的提问来源于stack exchange，提问作者andypappy