从Yahoo Finance下载DataFrame报错问题求助

错误原因分析 #

第一个错误：AttributeError: 'dict' object has no attribute 'to_csv' #

• historical_datas是Python字典，仅用于存储各股票对应的DataFrame，而to_csv是Pandas DataFrame专属方法，字典没有该属性，直接调用必然报错。

第二个错误：If using all scalar values, you must pass an index #

• pd.DataFrame(historical_datas)默认要求字典的值是标量数据（如单个数值、字符串），但你的字典中每个值都是带日期索引的二维DataFrame，这种场景下无法直接构造DataFrame，必须使用专门的合并方法。

两种正确的解决方案 #

方案1：合并为多层列结构的DataFrame（适合对比不同股票同期数据） #

该方式将每个股票的字段（open、high等）设为列的第二层，日期作为索引：

import yahoo_fin.stock_info as si
import pandas as pd

ticker_list = ["amzn", "aapl", "ba"]
historical_datas = {}

for ticker in ticker_list: 
    historical_datas[ticker] = si.get_data(ticker, start_date="12/04/2009", end_date="12/04/2019", index_as_date=True, interval="1mo")

# 按列合并所有股票的DataFrame，生成多层列结构
combined_df = pd.concat(historical_datas, axis=1)
# 替换为你的实际路径后导出
combined_df.to_csv("C:\\Users\\your_username\\Documents\\stock_data.csv")

方案2：合并为堆叠结构的DataFrame（适合按股票筛选分析） #

该方式将所有股票的数据行堆叠，新增ticker列标识所属股票：

import yahoo_fin.stock_info as si
import pandas as pd

ticker_list = ["amzn", "aapl", "ba"]
all_stock_data = []

for ticker in ticker_list: 
    df = si.get_data(ticker, start_date="12/04/2009", end_date="12/04/2019", index_as_date=True, interval="1mo")
    df["ticker"] = ticker  # 添加股票代码标识列
    all_stock_data.append(df)

# 按行合并所有DataFrame
combined_df = pd.concat(all_stock_data, axis=0)
# 替换为你的实际路径后导出
combined_df.to_csv("C:\\Users\\your_username\\Documents\\stock_data_stacked.csv")

内容的提问来源于stack exchange，提问作者frimt1