如何在循环中为DataFrame添加不同指标数据的列？

你的代码在添加指标列时出现问题，核心原因是未基于时间列对齐数据，直接按列拼接会导致索引不匹配，最终数据错位或丢失。以下是修正后的方案：

核心问题点 #

• 直接使用pd.concat且join="inner"，若初始df与idata的索引不一致（比如API返回的CSV行数和原df不同），会过滤掉不匹配的行
• 每次保存再读取CSV属于冗余操作，既耗时又容易引入路径问题
• 未保留时间列用于对齐，无法保证指标数据与原df的价格数据一一对应

修正后的代码 #

import pandas as pd
import requests

inditest = ['SMA', 'EMA', 'WMA']
# 实际场景中初始df已包含时间列（如'time'）和价格列
# df = pd.read_csv("你的价格数据文件.csv")  

for i in inditest: 
    indicator_url = f"https://www.alphavantage.co/query?function={i}&symbol=AAPL&interval=15min&time_period=60&series_type=close&datatype=csv&apikey={API_KEY}"
    
    # 直接从API响应读取CSV，无需保存到本地
    idf = pd.read_csv(indicator_url)
    
    # 重命名指标列避免冲突，保留时间列用于对齐
    idf = idf.rename(columns={idf.columns[1]: f"{i}_close"})
    # 基于时间列合并，确保数据严格对应
    df = pd.merge(df, idf[['time', f"{i}_close"]], on='time', how='inner')

关键优化点 #

• 跳过本地文件保存步骤，直接用pd.read_csv读取API响应，提升效率
• 使用pd.merge基于时间列time合并，保证每一行的价格与指标数据完全对应
• 对指标列重命名，避免不同指标的列名冲突
• 用how='inner'只保留双方都有数据的时间点，避免空值

内容的提问来源于stack exchange，提问作者Nocry