使用Yahoo_fin/YahooFinancials获取美股历史数据遇错求助

让我们一步步解决你的问题，帮你按时完成项目：

一、搞定YahooFinancials的KeyError/TypeError #

你的报错核心原因是Yahoo的API接口已经更新，但旧版本的yahoofinancials包没跟上适配。而且就算你过滤了后缀，仍可能存在无效/已退市的股票代码，进一步触发异常。直接换用维护更活跃的yfinance包就好，它对Yahoo当前的接口兼容性更好。

二、消除yfinance的PerformanceWarning #

循环逐个给DataFrame加列会导致数据碎片化，触发性能警告。最佳解决方式是：

• 要么用yfinance的批量下载功能，一次性拉取所有股票数据（效率最高）
• 要么先收集每只股票的Adj Close数据，最后用pd.concat一次性合并成DataFrame

修正后的完整代码 #

import pandas as pd
import numpy as np
import yahoo_fin.stock_info as si
import yfinance as yf
import datetime as dt

# 获取NASDAQ股票列表并过滤带无效后缀的代码
nasdaq = pd.DataFrame(si.tickers_nasdaq())
sym_set = set(nasdaq[0].values.tolist())

# 需要过滤的后缀集合
exclude_suffixes = {'W', 'R', 'P', 'Q'}
# 过滤逻辑：排除长度>4且后缀在排除列表的代码
valid_tickers = [symbol for symbol in sym_set 
                 if not (len(symbol) > 4 and symbol[-1] in exclude_suffixes)]

# 设置日期范围（最近30天）
begin_date = dt.datetime.today() - dt.timedelta(30)
end_date = dt.datetime.today()

# 推荐方案：yfinance批量下载（效率最高，直接避免碎片化）
prices = yf.download(valid_tickers, start=begin_date, end=end_date)['Adj Close']

# 备选方案：收集单股票数据后合并（可处理单股票下载失败的情况）
# price_list = []
# for ticker in valid_tickers:
#     try:
#         # 获取单股票的Adj Close并重命名列
#         adj_close = yf.download(ticker, start=begin_date, end=end_date)['Adj Close'].rename(ticker)
#         price_list.append(adj_close)
#     except Exception as e:
#         print(f"跳过无效代码 {ticker}：{str(e)}")
# # 一次性合并所有列
# prices = pd.concat(price_list, axis=1)

# 可选：删除完全没有数据的列（对应无法获取数据的股票）
prices = prices.dropna(axis=1, how='all')

# 查看结果
print(prices.head())

关键优化细节 #

1. 简化过滤逻辑：用列表推导式替代原有的set循环，代码更简洁高效
2. 批量下载替代循环：yfinance支持直接传入股票列表批量请求，内部做了优化，彻底避免数据碎片化问题
3. 异常处理（备选）：如果用备选方案，可以跳过下载失败的无效股票，保证整个流程不中断
4. 空值清理：最后删除全空列，避免后续分析受无效数据影响

原代码问题解析 #

• YahooFinancials报错：旧包依赖的Yahoo API端点已废弃，返回的数据结构完全变了，所以触发KeyError: 'timestamp'；后续降级到网页抓取时，又因为页面结构更新出现TypeError
• yfinance性能警告：循环中prices[stock] = ...本质是频繁调用DataFrame的insert操作，每次都会重构数据结构，导致内存碎片化，性能骤降。用批量下载或pd.concat就能彻底解决这个问题

内容的提问来源于stack exchange，提问作者Jabaker35