从字典创建pandas DataFrame后调用head()触发StopIteration错误问询

错误产生原因 #

• 迭代df.groupby("Name")返回的record是固定长度为2的元组，结构为(分组键Name值, 该分组对应的DataFrame)，你的代码将整个元组存入字典值列表，而非提取可用的分组数据本身。
• pd.DataFrame.from_dict的orient='index'参数要求字典的值为可解析为单行数据的扁平结构，你存入的是嵌套了元组、DataFrame的多层结构，pandas尝试遍历解析这类非结构化嵌套对象时就会抛出StopIteration异常。
• 冗余逻辑说明：groupby返回的分组键天然唯一，你写的if record[0] in my_dict判断永远不会触发append分支，属于无效代码。

修复方案 #

根据时间序列分析的常见需求，有两种常用修复方式：

方案1：生成所有股票数据拼接的长表结构 #

如果需要保留date、close、Name三列的长表结构做逐行分析，直接合并groupby的分组结果即可，不需要手动构建字典：

import pandas as pd
# 时间序列分析必须读取date列做时间标识，原代码遗漏了该字段
df = pd.read_csv('all_stocks_5yr.csv', usecols=["date", "close", "Name"])
# 提取每个分组的DataFrame直接合并
full_df = pd.concat([group for _, group in df.groupby("Name")], ignore_index=True)
full_df.head()

方案2：生成时间为行、股票代码为列的宽表结构 #

如果需要对齐时间轴，做多个股票的收盘价横向对比，直接用pivot_table转换即可：

import pandas as pd
df = pd.read_csv('all_stocks_5yr.csv', usecols=["date", "close", "Name"])
# 转换时间格式为pandas可识别的时间类型
df["date"] = pd.to_datetime(df["date"])
# 生成宽表
full_df = df.pivot_table(index="date", columns="Name", values="close")
full_df.head()

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