pd.read_csv读取含重复列名的CSV时如何提取目标Volume列

从yfinance导出的带ticker分组的行情数据是多级列索引结构：CSV第一行是标的代码（如M6A=F），第二行是对应的行情字段（Open/High/Low/Close/Volume）。用pandas默认参数读取时，只会把第一行识别为列名，才会出现多个同名M6A=F列被自动重命名、usecols参数只能匹配到第一个同名列的问题。

方法1：读取时识别多级表头（无需修改原有CSV文件） #

读文件时指定header=[0,1]参数，告诉pandas前两行共同组成列名，读取后会自动保留二级索引结构，直接按索引定位目标列即可，代码如下：

import pandas as pd

# 读取文件，指定前两行为多级表头，第一列为时间索引
df = pd.read_csv(
    './store/historicaldata.csv',
    header=[0, 1],
    index_col=0,
    parse_dates=True
)

# 定位M6A=F对应的Volume列
m6a_volume = df[('M6A=F', 'Volume')]

# 计算总成交量
total_vol = m6a_volume.sum()

参数说明：

• header=[0,1]：将第0、1行共同作为多级列名，从根源解决重名列问题
• index_col=0：将第一列的时间数据设为DataFrame索引
• parse_dates=True：自动将时间字符串转为datetime格式，方便后续时序计算

读取后可以通过打印df.columns验证结构，所有列都是(标的代码, 行情字段)格式的元组，除了Volume外，其他Open/High/Low/Close字段也可以用同样方式提取。

方法2：预存拍平列名的CSV（一劳永逸减少后续读取成本） #

如果后续需要频繁读取该文件，可以在首次拉取数据后就把多级列名拍平，存为无重名的CSV文件，后续读取不需要额外指定表头参数：

import pandas as pd
import pandas_datareader.data as pdr

# 拉取行情数据
tickers = ['M6A=F'] # 你的标的列表
historicaldata = pdr.get_data_yahoo(tickers, period='1mo', interval='5m', prepost=True, group_by='ticker')

# 拍平多级列名，生成 标的_字段 格式的唯一列名
historicaldata.columns = [f"{ticker}_{field}" for ticker, field in historicaldata.columns]

# 存为无重名列的CSV
historicaldata.to_csv('./store/historicaldata_flat.csv')

# 后续读取直接取对应列即可，不需要处理多级表头
df = pd.read_csv('./store/historicaldata_flat.csv', index_col=0, parse_dates=True)
m6a_volume = df['M6A=F_Volume']
total_vol = m6a_volume.sum()

内容的提问来源于stack exchange，提问作者mdkb