如何将S&P500股票CSV dataframe按公司名拆分后存入字典

你原有代码存在两处可修正的问题：

• 遍历pandas groupby对象时，每次迭代返回的是(组名, 对应分组DataFrame)的二元组，不能直接用迭代元素作为下标取分组内容
• to_dict是pandas内置方法，需要加括号调用，且要提前初始化空字典存储所有公司的对应数据

完整可运行代码 #

import pandas as pd

# 读取数据，parse_dates参数已经可以完成日期格式转换，无需重复执行to_datetime
dataframe = pd.read_csv('all_stocks_5yr.csv', parse_dates=['date'])

# 初始化存储结果的空字典
company_data_dict = {}

# 遍历分组后的对象
for company_name, group_df in dataframe.groupby('Name'):
    # 键设为公司名称，值为对应公司的数据集
    # 如果你需要保留DataFrame格式做后续数据处理，直接赋值group_df即可
    # company_data_dict[company_name] = group_df
    # 如果你需要转为标准字典格式，调用to_dict方法，records参数会返回行维度的字典列表
    company_data_dict[company_name] = group_df.to_dict('records')

补充说明 #

如果做LSTM时间序列训练，建议优先选择保留DataFrame格式存储，后续做滑窗构造特征、归一化等操作会更方便。

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