Python计算固定日期股票相对涨跌幅及绘图代码修改方法

• 现有代码的双层循环每次计算单个价格的涨跌幅后，都会直接覆盖change变量，没有按股票维度存储完整的涨跌幅时间序列，循环跑完后change仅保留最后一只股票最后一个价格的计算结果，根本无法绘制多曲线对比图。
• 代码中绘图部分用到的start_date变量没有提前定义，运行时会直接抛出变量不存在的报错。
• 手写逐行循环计算的逻辑完全冗余，pandas原生支持整列向量化运算，代码更简洁、计算效率更高，也不容易出现变量覆盖的问题。

import yfinance as yf
import matplotlib.pyplot as plt

tickers_list = ['AAPL', 'TSLA', 'AMD']
start_date = '2022-1-1'
# 拉取指定时间段的调整后收盘价数据
price_df = yf.download(tickers_list, start_date)['Adj Close']

# 一次性计算所有标的相对基准日的累计涨跌幅，无需逐行循环
change_df = (price_df - price_df.iloc[0]) / price_df.iloc[0] * 100

# 绘制多标的涨跌幅对比图
plt.figure(figsize=(12, 6))
plt.plot(change_df)
plt.xlabel('Date')
plt.ylabel('% Change')
plt.title("Price percentage change of {} from {} to today".format(", ".join(tickers_list), start_date))
plt.legend(change_df.columns)
plt.grid(alpha=0.3)
plt.show()

• 用price_df.iloc[0]直接取所有标的2022年首个交易日的基准收盘价，通过pandas向量化运算一次性算出全时间段所有标的的涨跌幅，计算结果是结构化的DataFrame，每列对应一只股票的完整涨跌幅序列，不存在变量覆盖问题。
• 补全了缺失的start_date变量定义，修复运行报错问题。
• 绘图时直接传入存储了所有标的涨跌幅的DataFrame，matplotlib会自动按列绘制多条独立曲线，配合列名生成图例，即可得到多标的涨跌幅对比效果。

内容的提问来源于stack exchange，提问作者user19427517