如何在Yahoo Finance API中访问并操作Pandas DataFrame行数据

问题分析 #

调用yahoo_stock_obj.earnings_history.iloc[0]触发ValueError: The truth value of a DataFrame is ambiguous，大概率是因为earnings_history并非标准的扁平DataFrame，可能存在嵌套结构（比如部分列或行是子DataFrame），或是yfinance版本差异导致返回数据格式异常。

解决方案 #

1. 标准化数据结构 #

先将earnings_history转换为扁平的DataFrame，消除嵌套结构的干扰：

import yfinance
import pandas as pd

# 初始化Ticker对象
yahoo_stock_obj = yfinance.Ticker('HD')
# 获取盈利历史数据
earnings_data = yahoo_stock_obj.earnings_history

# 处理嵌套结构：如果返回的是Series则合并为统一DataFrame
if isinstance(earnings_data, pd.Series):
    earnings_df = pd.concat(earnings_data.tolist(), ignore_index=True)
else:
    earnings_df = earnings_data.copy()

# 清理关键字段的缺失值，避免后续提取出错
earnings_df = earnings_df.dropna(subset=['Earnings Date', 'EPS Estimate', 'Reported EPS', 'Surprise(%)'])

2. 遍历提取目标字段 #

以下两种方式均可实现数据提取，按需选择：

方法一：用iterrows()逐行遍历

for _, row in earnings_df.iterrows():
    # 提取指定字段
    earnings_date = row['Earnings Date']
    eps_estimate = row['EPS Estimate']
    reported_eps = row['Reported EPS']
    surprise_percent = row['Surprise(%)']
    
    # 此处替换为存入数据库的逻辑
    print(f"日期: {earnings_date}, 预期EPS: {eps_estimate}, 实际EPS: {reported_eps}, 惊喜率: {surprise_percent}")

方法二：转为字典列表批量处理

# 仅保留需要的列，转换为字典列表（每个字典对应一行数据）
earnings_records = earnings_df[['Earnings Date', 'EPS Estimate', 'Reported EPS', 'Surprise(%)']].to_dict('records')

for record in earnings_records:
    # 直接从字典中取值
    print(f"日期: {record['Earnings Date']}, 预期EPS: {record['EPS Estimate']}, 实际EPS: {record['Reported EPS']}, 惊喜率: {record['Surprise(%)']}")
    # 执行存入数据库操作

3. 验证首行数据 #

标准化后可正常访问首行，不会触发原错误：

# 获取并打印首行数据
first_row = earnings_df.iloc[0]
print(first_row)

内容的提问来源于stack exchange，提问作者codyc4321