Python DataFrame未更新问题：股价赋值后单元格仍为0.0

用iterrows()遍历DataFrame时，每次获取的row是原数据的副本，而非对原DataFrame行的引用。修改row的字段只会改变副本的值，无法同步到原fda1数据集，这就是打印结果仍为0.0的核心原因。

方法1：通过df.loc[index, column]直接修改原数据 #

直接定位原DataFrame的单元格赋值，跳过副本修改的无效操作：

import datetime
from datetime import timedelta
for index, row in fda1.iterrows():
    try:
        ticker = row['ticker']
        print(ticker)
        end_date = row['date'].strftime('%Y-%m-%d')
        start_date120 = row['date'] - timedelta(days=120)
        start_date120 = start_date120.strftime('%Y-%m-%d')
        yahoo_financials = YahooFinancials(ticker)
        data = yahoo_financials.get_historical_price_data(start_date=start_date120, 
                                                      end_date=end_date, 
                                                      time_interval='daily')
        aapl_df = pd.DataFrame(data[ticker]['prices'])
        initialprice120 = float(aapl_df.iloc[0,4])
        initialprice30 = float(aapl_df.iloc[20,4])
        initialprice60 = float(aapl_df.iloc[40,4])
        initialprice90 = float(aapl_df.iloc[60,4])
        initialprice7 = float(aapl_df.iloc[78,4])
        finalprice = float(aapl_df.iloc[-1,4])  # 用iloc[-1]简化最后一行的索引
        
        # 直接修改原DataFrame对应位置
        fda1.loc[index, 'finalprice'] = finalprice
        fda1.loc[index, 'initialprice120'] = initialprice120
        fda1.loc[index, 'initialprice30'] = initialprice30
        fda1.loc[index, 'initialprice60'] = initialprice60
        fda1.loc[index, 'initialprice90'] = initialprice90
        fda1.loc[index, 'initialprice7'] = initialprice7
    except Exception as e:
        # 替换空except，打印错误信息便于排查
        print(f"处理{ticker}时出错: {e}")

方法2：用apply函数（更贴合Pandas风格） #

避免循环，通过apply逐行处理并返回修改后的行，直接更新原DataFrame：

import datetime
from datetime import timedelta

def get_prices(row):
    try:
        ticker = row['ticker']
        end_date = row['date'].strftime('%Y-%m-%d')
        start_date120 = row['date'] - timedelta(days=120)
        start_date120 = start_date120.strftime('%Y-%m-%d')
        yahoo_financials = YahooFinancials(ticker)
        data = yahoo_financials.get_historical_price_data(start_date=start_date120, 
                                                      end_date=end_date, 
                                                      time_interval='daily')
        aapl_df = pd.DataFrame(data[ticker]['prices'])
        row['finalprice'] = float(aapl_df.iloc[-1,4])
        row['initialprice120'] = float(aapl_df.iloc[0,4])
        row['initialprice30'] = float(aapl_df.iloc[20,4])
        row['initialprice60'] = float(aapl_df.iloc[40,4])
        row['initialprice90'] = float(aapl_df.iloc[60,4])
        row['initialprice7'] = float(aapl_df.iloc[78,4])
        return row
    except Exception as e:
        print(f"处理{ticker}时出错: {e}")
        return row

# 应用函数并更新原数据集
fda1 = fda1.apply(get_prices, axis=1)

额外提示 #

• 不要使用空except:，它会隐藏所有异常（比如API请求失败、索引越界等），建议捕获具体异常或至少打印错误信息。
• 用iloc[-1]替代iloc[len(aapl_df)-1]，代码更简洁易读。

内容的提问来源于stack exchange，提问作者Gloria Dalla Costa