无法保存计算值到DataFrame 仅最后股票收益率留存其余为NaN

你在循环中每次给trading_df['Return']整列赋值时，pandas会自动按索引对齐数据：筛选单只股票得到的收益率序列仅包含该股票对应行的有效值，其余行均为NaN。每次赋值都会覆盖整个Return列的历史数据，前面循环计算出的其他股票收益率会被全部替换为NaN，循环结束后自然只剩最后一只股票的计算结果。

推荐写法：分组计算（无循环，效率最高） #

直接按股票代码分组后计算每组的涨跌幅，用transform把计算结果映射回原DataFrame的对应行，从根源避免整列覆盖问题：

trading_df['Return'] = trading_df.groupby('Symbol')['Adj Close'].transform(lambda col: col.pct_change(1))

兼容原有循环逻辑的写法 #

如果要保留循环结构，不要直接给整列赋值，先定位到当前股票对应的行，仅给这部分行写入计算结果：

# 先初始化Return列
trading_df['Return'] = pd.NA
for stock in test_stocks:
    # 标记当前股票对应的所有行
    stock_row_mask = trading_df['Symbol'] == stock
    # 仅对目标行赋值，不会覆盖其他股票的结果
    trading_df.loc[stock_row_mask, 'Return'] = trading_df.loc[stock_row_mask, 'Adj Close'].pct_change(1)

你当前逐次append拼接多只股票数据的写法性能较差，且DataFrame.append方法已在新版pandas中被弃用，推荐先把所有单只股票的DataFrame存入列表，最后一次性拼接：

stock_container = []
for stock in test_stocks:
    single_stock_df = web.DataReader(stock, 'yahoo', start, end)
    single_stock_df['Symbol'] = stock
    stock_container.append(single_stock_df)
trading_df = pd.concat(stock_container)

内容的提问来源于stack exchange，提问作者Egor K