如何将yfinance导入的DataFrame转换为多级索引DataFrame

前置说明 #

默认df_long包含日期、股票代码两类维度列，以及开盘价、收盘价、成交量等行情指标列，可根据实际字段名调整代码参数。

实现代码 #

方法1：pivot直接转换 #

import pandas as pd

df_wide = df_long.pivot(
    index="date",
    columns="ticker",
    values=["Open", "High", "Low", "Close", "Volume"]
)
# 可选操作：交换列层级顺序，将股票代码放在列索引第一级，匹配yfinance原生多标的返回格式
df_wide = df_wide.swaplevel(axis=1).sort_index(axis=1)

方法2：set_index + unstack 转换（适配更复杂场景） #

# 先将日期、股票代码设为多级行索引，再将股票代码层级转移到列维度
df_wide = df_long.set_index(["date", "ticker"]).unstack(level="ticker")
# 支持同方法1调整列层级顺序
df_wide = df_wide.swaplevel(axis=1).sort_index(axis=1)

验证操作 #

• 执行print(df_wide.columns)查看列的多级索引结构
• 执行print(df_wide.index)确认行索引为日期格式

注意事项 #

• 若df_long列名与示例不一致，将代码中date、ticker以及行情指标字段替换为实际列名即可
• 转换后若存在缺失值，可追加.fillna()方法自定义填充规则

内容的提问来源于stack exchange，提问作者AP360