Python中如何将字典按对应键拆分为多个独立命名的DataFrame

方案1：爬取时直接存入字典（推荐，效率更高） #

无需先合并所有数据再拆分，爬取过程中直接将单只股票的DataFrame存入字典即可，代码如下：

import pandas as pd
import yfinance as yf
import requests
import io

start = pd.to_datetime('01/01/2015').date()
end = pd.to_datetime('today').date()

url="https://pkgstore.datahub.io/core/nasdaq-listings/nasdaq-listed_csv/data/7665719fb51081ba0bd834fde71ce822/nasdaq-listed_csv.csv"
s = requests.get(url).content
companies = pd.read_csv(io.StringIO(s.decode('utf-8')))
Symbols = companies['Symbol'].tolist()

# 初始化存储各股票DataFrame的字典
stock_dict = {}

for idx, i in enumerate(Symbols[0:11]):  
    print(f"{idx} : {i}", sep=',', end=',', flush=True)  
    try:
        stock = yf.download(i,start=start, end=end, progress=False)
        if len(stock) > 0:
            stock['Name'] = i
            # 直接以股票代码为键存入字典
            stock_dict[i] = stock
    except Exception:
        pass

如果需要把字典里的DataFrame变成可直接调用的独立变量（比如直接输入AAL就能调用对应DataFrame），执行以下代码即可：

# 将字典键值对注入全局变量空间
for stock_code, df in stock_dict.items():
    # 可选：给变量加前缀避免和内置关键字重名，比如globals()[f'df_{stock_code}'] = df
    globals()[stock_code] = df

方案2：从已合并的总表拆分 #

如果你已经生成了合并后的stock_final总表，不需要重新爬取的话，直接用groupby拆分即可：

# 按股票代码分组后转成字典
stock_dict = dict(tuple(stock_final.groupby('Name')))

# 同样可以注入全局变量空间得到独立DataFrame
for stock_code, df in stock_dict.items():
    globals()[stock_code] = df

注意：不建议直接使用纯股票代码作为变量名，部分股票代码可能和Python内置关键字、保留字重名导致报错，推荐给变量增加统一前缀，比如df_AAIT、df_AAL。

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