Python：如何遍历pandas层级列，提取各股票代码对应的每日价格数据

前提说明 #

你的DataFrame列采用两级索引结构：

• 第0级（外层）：股票代码（TSLA、IBM等）
• 第1级（内层）：指标类型（price、volume、marketcap）
  你需要的是提取每个股票对应的每日price数据。

方案1：一次性提取所有股票的价格表（推荐） #

不需要遍历，直接用pandas多级索引筛选即可，代码如下：

# 先修正你原有代码的赋值问题：把重排后的结果赋值给df
df = df.set_index('ticker', append=True).unstack('ticker').swaplevel(axis=1).sort_index(axis=1,level=0, sort_remaining=False)
# 筛选所有股票的price列
df_prices = df.loc[:, pd.IndexSlice[:, 'price']]
# 去掉内层的price索引，列名直接显示为股票代码
df_prices.columns = df_prices.columns.droplevel(1)

得到的df_prices结构如下：

方案2：遍历每个股票单独提取价格列 #

如果你需要逐只股票处理，单独生成每个股票的价格DataFrame，用如下代码：

# 获取所有唯一的股票代码
tickers = df.columns.get_level_values(0).unique()
for ticker in tickers:
    # 提取单只股票的price列，生成单列DataFrame，列名为股票代码
    single_ticker_price = df.xs('price', level=1, axis=1)[ticker].to_frame()
    # 这里添加你对single_ticker_price的处理逻辑
    print(single_ticker_price)

每次循环输出的single_ticker_price完全符合你给出的示例格式，比如TSLA的输出：

TSLA
Date            
2018-01-01  1000
2018-01-02  1200
2018-01-03   NaN
2018-01-04   NaN

内容的提问来源于stack exchange，提问作者MathMan 99