如何合并股票价格Series生成类Yahoo!Finance风格DataFrame？Join/Merge无效

首先明确：Yahoo!Finance格式的核心是日期为行索引，列采用多级索引（第一级为股票代码ticker，第二级为open/high/low/close等字段）。你用join/merge无效，是因为这两个方法主要用于行维度的匹配合并，而我们需要的是列维度的层级扩展，换用concat或pivot即可解决。

步骤1：将Series转换为结构化DataFrame #

如果你的每个Series是单条股票记录的集合（比如每个元素是包含date/ticker/open/high/low/close的字典），先转成DataFrame：

import pandas as pd

# 假设两个Series分别为s1、s2
df1 = pd.DataFrame(s1.tolist())
df2 = pd.DataFrame(s2.tolist())

# 日期转datetime类型，确保索引格式正确
df1['date'] = pd.to_datetime(df1['date'])
df2['date'] = pd.to_datetime(df2['date'])

步骤2：构建Yahoo!Finance格式DataFrame #

方法一：用concat直接合并（适合单只股票数据已按日期索引的情况）

先提取每只股票的行情字段，再通过concat指定keys参数生成多级列：

# 提取行情字段，设置日期为索引
df1_ohlc = df1.set_index('date')[['open', 'high', 'low', 'close']]
df2_ohlc = df2.set_index('date')[['open', 'high', 'low', 'close']]

# 获取两只股票的ticker（假设每个df内ticker唯一）
ticker1 = df1['ticker'].unique()[0]
ticker2 = df2['ticker'].unique()[0]

# 合并为Yahoo格式
yahoo_df = pd.concat([df1_ohlc, df2_ohlc], axis=1, keys=[ticker1, ticker2])

方法二：用pivot重塑结构（适合多只股票数据混合的情况）

如果后续还要添加更多股票，这种方式更灵活：

# 合并所有股票数据到一个DataFrame
all_stocks = pd.concat([df1, df2])

# 重塑为多级列结构
yahoo_df = all_stocks.pivot(
    index='date',
    columns='ticker',
    values=['open', 'high', 'low', 'close']
)
# 调整列顺序（可选，让metric在第二级）
yahoo_df = yahoo_df.swaplevel(axis=1).sort_index(axis=1)

验证结果 #

最终的yahoo_df结构和Yahoo!Finance导出的数据完全一致：

• 行索引是日期（datetime类型）
• 列是多级索引：第一级为ticker，第二级为open/high/low/close

内容的提问来源于stack exchange，提问作者user20668754