如何对比两个DataFrame并筛选出标普500财报股票代码

开发者阿泽

2026-5-8

筛选同时在标普500和当日财报日历中的股票代码

看起来你已经搞定了数据获取的核心部分——拿到了当日财报日历的earnings_df，还有标普500的股票代码列表snp，接下来要找出两者的交集，在Pandas里有几种简单直接的实现方式，我给你详细说明：

方法一：用`isin()`快速筛选（最常用）

这是最直观的方式，直接检查财报数据里的股票代码是否属于标普500列表：

# 筛选出earnings_df中ticker在标普500列表里的所有行
snp_earnings_today = earnings_df[earnings_df['ticker'].isin(snp)]

# 如果只需要纯股票代码列表，提取ticker列转成列表即可
snp_earnings_tickers = snp_earnings_today['ticker'].tolist()

解释

isin(snp)会生成一个布尔值Series，标记earnings_df['ticker']里的每个代码是否存在于snp中。用这个布尔Series过滤原DataFrame，就能直接得到同时满足两个条件的财报数据。

方法二：用`merge`做内连接（保留更多关联信息）

如果你想同时保留财报数据和标普500的额外信息（比如维基百科里的公司名称、行业分类等），可以用内连接的方式：

# 先把snp转成DataFrame，方便后续合并
snp_df = pd.DataFrame({'Symbol': snp})

# 内连接，只保留两边都匹配的条目
merged_df = pd.merge(
    earnings_df,
    snp_df,
    left_on='ticker',  # 财报数据里的代码列
    right_on='Symbol', # 标普500里的代码列
    how='inner'        # 内连接只保留交集
)

# 提取去重后的股票代码列表
snp_earnings_tickers = merged_df['ticker'].unique().tolist()

额外注意事项

大小写问题：虽然雅虎和维基百科的标普500代码都是大写，但如果遇到大小写不一致的情况，可以统一转换：
```
earnings_df['ticker'] = earnings_df['ticker'].str.upper()
snp = snp.str.upper()
```
去重处理：如果财报数据里有重复的股票代码条目，可以用drop_duplicates()清理：
```
snp_earnings_today = snp_earnings_today.drop_duplicates(subset='ticker')
```