基于日期批量转换DataFrame中多币种至GBP的技术问题

我需要将上述不同日期的各币种金额转换为GBP，尝试以下代码时出现报错：

from forex_python.converter import CurrencyRates

c = CurrencyRates()
df['Amount'] = df.apply( lambda x: c.convert( x.Currency, 'GBP', x.Amount, x.Date), axis = 1)

报错信息：'Currency Rates source not ready'

我也曾尝试通过API实现，但该API有1000条数据限制，而我的数据集包含95000条记录，请问是否有可行的按日期批量转换方法？

可行的批量转换方案 #

1. 批量获取历史汇率并本地缓存 #

不要单条调用API，先对数据按日期+币种去重，只获取唯一组合的汇率，再映射回原数据集：

• 提取数据中所有(日期, 币种)的唯一组合，数量会远小于95000条（大量重复的日期/币种会被合并）
• 下载权威免费的历史汇率数据集（比如欧洲央行ECB的历史汇率，无调用限制），保存为本地文件
• 将本地汇率数据与原数据集按日期+币种合并，计算转换后的GBP金额

示例代码：

import pandas as pd

# 读取原数据集
df = pd.read_csv('your_data.csv')
# 读取本地历史汇率数据（示例：包含日期、EUR/GBP、各币种对EUR的汇率）
exchange_rates = pd.read_csv('ecb_exchange_rates.csv', parse_dates=['Date'])

# 统一日期格式（原数据为dd.mm.yyyy，转换为datetime类型）
df['Date'] = pd.to_datetime(df['Date'], format='%d.%m.%Y')
exchange_rates['Date'] = pd.to_datetime(exchange_rates['Date'])

# 合并汇率数据：先转EUR，再转GBP
df = df.merge(exchange_rates[['Date', 'EUR/GBP']], on='Date', how='left')
df = df.merge(exchange_rates[['Date', 'Currency', 'Rate_to_EUR']], on=['Date', 'Currency'], how='left')

# 计算转换后的GBP金额
df['Amount_GBP'] = df.apply(
    lambda x: x['Amount'] * x['Rate_to_EUR'] * x['EUR/GBP'] if x['Currency'] != 'GBP' else x['Amount'],
    axis=1
)

2. 修复forex_python的调用问题 #

'Currency Rates source not ready'多因网络问题、日期格式错误或数据源临时故障，可调整调用方式：

• 确保日期参数为datetime类型，而非字符串
• 增加重试机制，避免单次请求失败中断任务
• 先对数据去重，减少API调用次数

示例代码：

from forex_python.converter import CurrencyRates
import pandas as pd
from tenacity import retry, stop_after_attempt, wait_exponential

c = CurrencyRates()

@retry(stop=stop_after_attempt(3), wait=wait_exponential(multiplier=1, min=2, max=10))
def convert_currency(row):
    if row['Currency'] == 'GBP':
        return row['Amount']
    # 转换日期为datetime对象
    date_obj = pd.to_datetime(row['Date'], format='%d.%m.%Y')
    return c.convert(row['Currency'], 'GBP', row['Amount'], date_obj)

# 对数据去重，仅处理唯一的转换请求
unique_rows = df[['Currency', 'Amount', 'Date']].drop_duplicates()
unique_rows['Amount_GBP'] = unique_rows.apply(convert_currency, axis=1)
# 映射回原数据集
df = df.merge(unique_rows[['Currency', 'Amount', 'Date', 'Amount_GBP']], on=['Currency', 'Amount', 'Date'], how='left')

3. 搭建本地汇率数据库 #

如果长期处理大量汇率转换需求，可搭建本地数据库，定期从ECB、IMF等权威数据源同步历史汇率，后续直接从本地查询，完全规避API限制。

内容的提问来源于stack exchange，提问作者Orhan Dağ