yfinance多股票数据处理问题：列排序报错、缺失Ticker及日期格式修改

以下是针对你三个问题的解决方案，附完整可运行代码：

import pandas as pd
import yfinance as yf

# 1. 获取标普500成分股Ticker列表
sp500_table = pd.read_html('https://en.wikipedia.org/wiki/List_of_S%26P_500_companies')[0]
tickers = sp500_table['Symbol'].tolist()
# 测试时可只取前5只股票，加快下载速度
tickers = tickers[:5]

# 2. 下载股票数据并处理多级索引问题
# 使用group_by='ticker'让数据按股票分组，避免列名冲突
stock_data = yf.download(tickers, start='2023-01-01', end='2023-12-31', group_by='ticker')

# 将每个股票的数据单独提取并添加Ticker列，再合并为单表
processed_df = pd.concat(
    [stock_data[ticker].assign(Ticker=ticker) for ticker in tickers],
    ignore_index=False
)

# 3. 处理日期格式：去除时分秒，仅保留日期
processed_df.index = pd.to_datetime(processed_df.index).dt.date

# 4. 计算日涨跌幅
processed_df['Daily_Return(%)'] = processed_df['Close'].pct_change() * 100

# 5. 按Close列升序排序，重置索引并整理列顺序
sorted_df = processed_df.sort_values(by='Close', ascending=True).reset_index()
sorted_df = sorted_df.rename(columns={'index': 'Date'})
sorted_df = sorted_df[['Date', 'Ticker', 'Close', 'Daily_Return(%)']]

# 查看结果
print(sorted_df.head(10))

问题逐个解析 #

1. 显示Ticker标识 #

通过assign(Ticker=ticker)为每只股票的数据集添加专属Ticker列，再用pd.concat合并所有数据，确保每一行记录都绑定对应的股票代码，解决标识缺失问题。

2. 解决ValueError（列标签不唯一） #

yfinance下载多只股票时默认返回多级列索引（第一层级是Ticker，第二层级是指标），直接引用'Close'会因重复列名报错。上述代码通过将每只股票的数据单独提取并转为单层级列结构，彻底避免列名冲突；若需保留宽格式，可通过元组方式引用列，例如stock_data[('AAPL', 'Close')]。

3. 日期格式简化 #

使用pd.to_datetime(processed_df.index).dt.date将带时分秒的DatetimeIndex转换为纯日期格式，最终输出仅保留YYYY-MM-DD格式的日期。

内容的提问来源于stack exchange，提问作者Thayskills